ネオコグニトロンと並列演算

摘要

高いパターン認識能力を学習によって獲得することができる手法として，深層学習（deep learning）やdeep CNN（deep convolutional neural network，深層畳み込み神経回路）が最近注目を集めている。筆者が1979年に発表しネオコグニトロンは，そのようなdeep CNNの源流と言われており，文字認識をはじめとする視覚パターン認識に高い能力を発揮する。ネオコグニトロンの歴史は古いが，現在に至るまで種々の改良が加えられ発展を続けている。そこで，現在広く用いられているdeep CNNとの相違点に重点を置きながら，最近のネオコグニトロンを紹介する。最近のネオコグニトロンでは，中間層の学習にAiS（Add-if-Silent）則，最上位層（最深層）の学習にmWTA（margined Winner-Take-All）則，パターンの識別にIntVec（＝interpolating-vector：内挿ベクトル法）と名付けた手法を用いている。現在広く用いられているdeep CNNの問題点の一つは，高い認識率を得るためには，膨大な量の学習データを用意しなければならないことである。IntVecは，大量の学習データで学習したのと同様の状態を，学習時ではなく認識時に作り出している。従って，少量の学習データを用いても，高い認識率を得ることが出来る。