図2に示すように、温度が高い(が小さい)程、自由エネルギ ー関数(F)は尤度関数の大局的構造を具現し、で尤度関数と 完全に一致する。従って、高温から徐々に温度を下げながら (を大きくしながら)各温度で探索を行なうことにより、 広域最適解を探索する。但し、従来の模擬徐冷法(SA)と異なり、 各温度での最適化が確定的に実行されるので、SAに比べ極めて 効率的である。 混合分布に基づく確率ニューラルネットの学習に本DAEMアルゴリズム を適用し、その有効性を確認 した[2] [3]。
連絡先:上田 修功, Email: ueda@cslab.kecl.ntt.co.jp