1Q-4
再帰結合神経回路モデルへのスパース構造導入による学習能力の向上
○粟野皓光，尾形哲也（京大），谷　　淳（理研），高橋　徹，奥乃　博（京大）
本稿では，再帰結合型神経回路モデルへのスパース結合導入による
性能向上を示す．近年，多様な時系列パターンを学習可能な，スパ
ース結合型神経回路が着目を集めている．しかし通常これらのモデ
ルは内部の結合重みが固定されており，学習能力には限界がある．
我々は，異なる時定数のニューロン群からなる再帰結合型神経回路
モデル，MTRNNの一部結合をスパース化し，全結合を学習可能とし
たモデルの性能評価を行った．スパース化率の異なるMTRNNに，ア
ルファベット列からなる文章を学習させ，未知文及びノイズ文の認識・生成
能力の評価を行った．実験の結果，スパース結合とすることで，
全結合の場合よりも性能を向上できることが確認された．