ПРИМЕНЕНИЕ ГЕТЕРОАССОЦИАТИВНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ЗАПИСИ И ВОССТАНОВЛЕНИЯ ИНФОРМАЦИИ
Abstract
Рассматривается проблема ассоциативного представления данных на примере рекуррентных
искусственных нейронных сетей типа Хопфилда. Предложены: модификация сети «двунаправленная ассоциативная память», способ секционирования входных данных, основанный на их равномерном разбиении с дальнейшим последовательным отображением друг в друга, а также соответствующий метод их записи в гетероассоциативную память. Полученная нейросетевая архитектура способна сохранять, ассоциативно восстанавливать и распознавать большие объемы информации.
References
1. Кузнецов, С.Д. Основы баз данных : учебное пособие / С.Д. Кузнецов. − 2-е изд.,
2. испр. − М. : Интернет-университет информационных технологий; БИНОМ. Лаборатория знаний, 2007. − 484 с.
3. Кохонен, Т. Ассоциативные запоминающие устройства / Т. Кохонен. – М. : Мир, 1982. – 384 с.
4. Hopfield, J. Neural networks and physical systems with emergent collective computational abilities / J. Hopfield // Proc. of National Academy of Sciences. − 1982. − Vol. 79, № 8. – P. 2554–2558.
5. Hopfield, J.J. Computing with neural circuits / J.J. Hopfield, D.W. Tank // A model. Science. − 1986. − Vol. 233. − P. 625–633.
6. The capacity of the Hopfield associative memory / R.J. McEliece [et al.] // IEEE Transactions on Information Theory. − 1987. − Vol. 33, № 4. − P. 461–482.
7. Elman, J.L. Finding structure in time / J.L. Elman // Cognitive Science. − 1990. − Vol. 14. –
8. P. 179–211.
9. Narendra, K.S. Identification and control of dynamical systems using neural networks /
10. K.S. Narendra, K. Parthasarathy // IEEE Trans. Neural Networks. − 1990. − Vol. 1. − P. 4–27.
11. Improved Elman networks and applications for controlling ultrasonic motors / X.H. Shi
12. [et al.] // Applied Artificial Intelligence: An International Journal. − 2004. − Iss. 7, vol. 18. −
13. P. 603–629.
14. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – 2-е изд., пер. с англ. – М. :
15. Вильямс, 2006. – 1104 с.
16. Фролов, А.А. Нейронные модели ассоциативной памяти / А.А. Фролов, И.П. Му-
17. равьев. − М. : Наука, 1987. − 160 с.
18. Ежов, А.А. Нейрокомпьютинг и его применения в экономике и бизнесе / А.А. Ежов,
19. С.А. Шумский.− М. : МИФИ, 1998. – 223 с.
20. Меламед, И.И. Нейронные сети и комбинаторная оптимизация / И.И. Меламед // Автоматика и телемеханика. − 1994. − № 11. − C. 3–40.
21. Уоссермен, Ф. Нейрокомпьютерная техника: теория и практика / Ф. Уоссермен. – М. : Мир, 1990. – 240 с.
22. Kosko, B. Constructing an associative memory / B. Kosko // Byte. − 1987. − Vol. 12. −
23. P. 137–144.
24. Kosko, B. Bi-directional associative memories / B. Kosko // IEEE Transactions on Systems,
25. Man and Cybernetics. − 1988. − Vol. 18, № 1. − P. 49–60.
26. Прокопович, Г.А. Адаптивный нейросетевой классификатор / Г.А. Прокопович // Информатика. − 2009. − № 23. − С. 68–81.
27. Прокопович, Г.А. Нейросетевой блок памяти для адаптивной работы сложных технических систем в динамической среде / Г.А. Прокопович // Информатика. – 2010. – № 26. – С. 54–65.
28. Palm, G. On the information storage capacity of local learning rules / G. Palm // Neural
29. Comp. – 1992. – Vol. 4. − P. 703–711.
30. Sommer, F.T. Improved bidirectional retrieval of sparse patterns stored by Hebbian learning / F.T. Sommer, G. Palm // Neural Networks. – 1999. – Vol. 12 (2). − P. 281–297.
Review
For citations:
. Informatics. 2012;(2(34)):38-49. (In Russ.)
Views: 573
Email this article 