ネットワーク構造と記銘パターンの違いによる記憶容量への影響

摘要

複雑ネットワークの分野では、ネットワーク構造の違いによる効率や性能の評価に、連想記憶の記憶容量を用いる研究が行われてきた。従来、このような研究ではランダムドットパターンが学習データに用いられてきた。その理由の一つに直交パターン（データの相互類似度が50%）を生成しやすいことが挙げられる。しかしデータに適したネットワークトポロジーがある可能性があり、ランダムドットパターンのみでネットワーク構造と記憶容量の関係を解析することは適切ではない。よって本研究では、ランダムドットパターンの他にシークエンシヤルパターン及び文字パターンを用い、パターンの種類の違いがネットワーク構造の異なるニューラルネットワークにおいて、記憶容量にどのような影響を与えるのかを検討する。実験によりパターンの種類の違いで記憶容量の高いネットワークの構造が異なることが示された。%In the research field of complex networks, efficiency and performance evaluations of the network structure have been analyzed using the storage capacity of associative memory. Traditionally, researchers have been used random dot patterns for memorizing data. However, to analyze the relationship between network structure and storage capacity only by random dot patterns is not appropriate, because there may exist the optimal network topology for certain data types. Therefore, we adopted sequential patterns and characteristic patterns in addition to random dot patterns. Experimental results showed that the optimal network structure with high storage capacity differs due to the difference of pattern types.