Ассоциативная память на основе искусственной нейронной сети. Извлечение информации из ассоциативной памяти. Степень ортогональности и ее оценка при помощи Евклидова расстояния. Ключевые характеристики, определяющие качество пространственной группировки.
При низкой оригинальности работы "Организация пространственной группировки сигналов в ассоциативных процессах искусственных нейронных сетей", Вы можете повысить уникальность этой работы до 80-100%
В статье дается определение пространственной группировки сигнала, при передаче между слоями сети, а также приводятся рекомендации, позволяющие выбрать структуру и топологию связей между слоями. Поскольку образы, с которыми работает сеть, представлены в виде векторов (обычно используется одномерный вектор элементами которого являются действительные числа), то память сети выглядит как ассоциативная матрица, в элементах которой сохраняется распределенное представление входного образа где - ассоциативная матрица для k-го образа. Здесь матрица памяти представляет собой оценку матрицы памяти до введения в нее нового k-го образа, а , соответственно, обновленную оценку, с учетом новой информации, введенной в сеть. На этом принципе основывается метод перманентного обучения, при котором каждый новый факт (образ) поступивший в сеть изменяет ее структуру, тем самым оказывая влияние на все последующие информационные процессы, протекающие в сети. Второе слагаемое, вектор , определяет шум, возникающий при смешивании ключевого образа с прочими образами, сохраненными в сети.Несмотря на то, что пока не удается определить четкую функциональную зависимость, позволяющую рассчитать оптимальную структуру создаваемой нейронной сети, тем не менее приведенные рекомендации позволяют подойти к выбору этой структуры более осознанно.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
