Разработаны эффективные модели рекуррентных нейронных сетей, минимизирующих расстояние Хемминга

Вид материала

Документы

Подобный материал:

• Ю. Н. Шунин Лекции по теории и приложениям искусственных нейронных сетей,Рига,2007, 190.96kb.
• Я. А. Трофимов международный университет природы, общества и человека «Дубна», Дубна, 71.95kb.
• Заочный Государственный Университет Внастоящее время все большее применение в разработке, 64.47kb.
• Конспект лекций Представление знаний в информационных системах Лекция№1, 194.32kb.
• Курсовая работа по дисциплине " Основы систем искусственного интеллекта" Тема: Опыт, 903.59kb.
• Нейрокомпьютерная техника: Теория и практика, 2147.23kb.
• Особенности применения нейронных сетей в курсе «Интеллектуальные информационные системы», 82.99kb.
• Применение аппарата нейронных сетей системы matlab для аппроксимации степенных математических, 50.69kb.
• Автоматизированная система рубрикации лекционного материала с использованием нейронных, 114.4kb.
• Ульяновский Государственный Технический Университет Кафедра вычислительной техники, 216.41kb.

В.Ю. ПОПОВ

Уральский государственный университет, Екатеринбург


СЕТИ ХЕММИНГА


Разработаны эффективные модели рекуррентных нейронных сетей, минимизирующих расстояние Хемминга.


Сеть Хемминга была предложена Р. Липпманом в работе [1]. Она строится по фиксированному набору из p векторов размерности n и предназначена для нахождения по подаваемому на вход вектору ближайшего по расстоянию Хемминга вектора из исходного набора. Сеть Хемминга – это трехслойная рекуррентная структура. Она позиционируется как специализированное гетероассоциативное запоминающее устройство. Сеть Хемминга содержит 2p + n нейронов и 2np + p + p2 взвешенных нейронных связей.

Разработана двухслойная рекуррентная нейронная сеть с целочисленными весами, имеющая p + n нейронов и 2np + 2p взвешенных нейронных связей, которая строится по фиксированному набору из p векторов размерности n и предназначена для нахождения по подаваемому на вход вектору ближайшего по расстоянию Хемминга вектора из исходного набора. Нахождение вектора осуществляется за время O(np). Построена также двухслойная рекуррентная нейронная сеть с целочисленными весами, решающая аналогичную задачу за время O(p + n), имеющая 2p + n + 1 нейронов и 2np + 5p взвешенных нейронных связей. Предложена модификация последней сети, решающая задачу за время O(p + log n). Хотя вторая и третья из рассмотренных моделей нейронных сетей имеют больше нейронов, чем стандартная сеть Хемминга, каждая из рассмотренных сетей обеспечивает существенно большую скорость при аппаратной реализации и имеет значительно меньше взвешенных нейронных связей. Кроме того, предлагаемые модели могут быть эффективно распараллелены при программной реализации, поскольку большинство вычислений происходит в независимых группах нейронов.


Список литературы

1. 
   R.Lippmann. An introduction to computing with neural nets // IEEE ASSP Magazine, 1987. April. P. 4–22.