高速学習が可能な自己組織化モデルと、高精度のパーセプトロンモデルを組み合わせることにより、分子の構造活性相関解析のためのニューラルネットワークシミュレータを開発した。それを、2次元のExclusive-OR問題とノルボルナン類の
13C-NMRシフトとの立体配置の問題に適用し、従来のパーセプトロンモデルと性能の比較を行なった。
この組み合わせモデルは、実用的な精度までの収束は早いが、高精度の収束はパーセプトロンモデルより遅くなることがわかった。実用的な精度までの収束速度は、パーセプトロンモデルのそれより約4倍早い。
パラメータスキャン法を用いて、挙動を調べると、組み合わせモデルのほうが、パーセプトロンのそれに比べて、非線形性の強い分類をすることがわかった。
抄録全体を表示