状態依存スイッチングを有する区分的線形活性化関数付きCVNNの多安定性解析と連想記憶への応用

科学分野:

• 計算神経科学
• 力学系理論
• 人工知能

背景:

• 複素ニューラルネットワーク（CVNN）は、複雑なデータの処理に不可欠である。
• CVNNにおける多安定性の理解は、高度な応用にとって不可欠である。
• 不連続非単調活性化関数は、特有の解析的課題をもたらす。

研究 の 目的:

• 状態依存スイッチングおよび不連続非単調区分的線形活性化関数を有するCVNNの多安定性を調査する。
• このようなシステムにおける平衡点と安定平衡点の最大数を決定する。
• 複雑なダイナミクスを持つニューラルネットワークの安定理論を拡張する。

主な方法:

• 存在解析のためにブラウワーの不動点定理を活用する。
• 安定解析のために厳密対角優位行列の性質を利用する。
• 平衡点解析のために状態空間分解を用いる。

主要な成果:

• nニューロンのスイッチングCVNNは最大[Formula: see text]個の平衡点を示すことができる。
• これらのうち、[Formula: see text]個の平衡点が安定であることが証明されている。
• 本研究は、複雑なニューラルシステムにおける多安定性を解析するための理論的枠組みを提供する。

結論:

• 本研究の結果は、ニューラルネットワーク安定性理論における既存の結果を大幅に拡張する。
• 特定された多安定性は、CVNNにおける複雑なダイナミクスの理解を深める。
• 数値例は理論的結果を確認し、連想記憶への応用を示唆する。