350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №4 за 2011 г.
Статья в номере:
Идентификация бинарных образов векторной нейронной сетью с мерой близости между состояниями нейронов
Ключевые слова: идентификация бинарных образов векторные нейронные сети помехоустойчивость
Авторы:
В. М. Крыжановский - Научно-исследовательский институт системных исследований РАН, Москва. Vladimir.Krizhanovsky@gmail.com
Аннотация:
Описана новая модель векторной нейронной сети с априорной информацией о распределении шума. для повышения помехоустойчивости сети. Введена мера близости между состояниями нейрона, позволяющая учесть априорную информацию, и увеличить на порядок емкость памяти, создаваемой на основе этой модели.
Страницы: 33-46
Список источников
  1. Kanter, I.,Potts-glass models of neural networks. Physical Review A. 1988. V. 37(7). P. 2739-2742.
  2. Cook, J., The mean-field theory of a Q-state neural network model. Journal of Physics A. 1989. V. 22. P. 2000-2012.
  3. Nadal, J., Rau, A.,Storage capacity of a Potts-perceptron // J. Phys. I: France 1. 1991. P. 1109-1121.
  4. Bolle, D., Dupont P., andHuyghebaert, J., Thermodynamics properties of the q-state Potts-glass neural network // Phys. Rew. A. 1992. V. 45. P. 4194-4197.
  5. Kryzhanovsky, B.V., Kryzhanovsky, V. M., Mikaelian, A. L., Fonarev, A., Parametric dynamic neural network recognition power // Optical Memory & Neural Network. 2001. V. 10. № 4. P. 211-218.
  6. Alieva, D. I., Kryzhanovsky, B. V., Kryzhanovsky, V. M., Q-valued neural network as a system of fast identification and pattern recognition // Pattern Recognition and Image Analysis. 2005. V. 15. № 1. P. 30-33.
  7. Крыжановский В. М., Симкина Д. И. Свойства клиппированной модели векторной ассоциативной памяти // Вестник компьютерных информационных технологий. 2007. № 11. С. 20-25.
  8. Kryzhanovsky, V. M.,Modified q-state Potts model with binarized synaptic coefficients // Lecture Notes in Computer Science. 2008. V. 5164. Part II. P. 72-80.
  9. Kryzhanovsky, B. V., Simkina, D. I., Kryzhanovsky, V. M., A Vector Model of Associative Memory with Clipped Synapses // Pattern Recognition and Image Analysis. 2009. V. 19. № 2. P. 289-295.
  10. Kryzhanovsky, B., Kryzhanovskiy V., Litinskii, L., Machine Learning in Vector Models of Neural Networks // Advances in Machine Learning II. Dedicated to the memory of Professor Ryszard S. Michalski. Koronacki, J., Ras, Z.W., Wierzchon, S.T. (et al.) (Eds.), Series "Studies in Computational Intelligence". Springer. ISSN: 1860-949X. SCI 263. 2010. P. 427-443.
  11. Крыжановский Б. В., Крыжановский В. М. Идентификатор бинарных образов на основе модели Поттса // Вестник информационных компьютерных технологий. 2009. № 8. С. 24-30.
  12. Kryzhanovsky, B.V., Kryzhanovsky, V. M., Fonarev, A. B., Decorrelating Parametrical Neural Network // Proc. of International Joint Conference on Neural Networks (IJCNN-2005). 2005. P. 1023-1026.
  13. Kryzhanovsky, V. M., Kryzhanovsky, B. V., Fonarev, A. B., Application of Potts-model perceptron for binary patterns identification // ICANN, Lecture Notes in Computer Science 5163. Part I. 2008. P. 553-561.
  14. Hopfield J. J.,Neural Networks and physical systems with emergent collective computational abilities // Proc.Nat.Acad.Sci.USA. 1982. V. 79. P. 2554-2558.