非一様な学習頻度と相関構造を持つ記憶パターンを学習した連想記憶モデル

摘要

本研究では，Hopfield型の自己相関型連想記憶モデルに，非一様な学習頻度と相関構造を持つ記憶パターンを学習させた場合の安定状態を統計力学および計算機シミュレーションで解析する．記憶パターンの相関構造は，ヒトの顔などの2次元観測像が持つ，観測方向と個体の違いという2つの情報を抽象化したものを考える．また，記憶パターンの非一様な学習頻度については，2次元観測像の観測方向の違いによる記憶パターン毎の観測確率の違いを抽象化したものを考える．解析の結果，安定状態には種類があり，個体の情報を保存するものと失うものがあった．この個体の情報を保存する安定状態によって観測方向に依らない個体判別が可能であることが分かった．さらに，個体の情報を保存する安定状態は，学習頻度の非一様性の影響によって安定性が高くなることも分かった．