Нейрокомпьютинг и его применения в экономике и бизнесе



             

Ассоциативная память


Аттракторами сети Хопфилда являются стационарные состояния. Если начальная конфигурация

s
мало отличается от одного из таких аттракторов сети
s^{\ast}
(т.е.
\|s-s^{\ast}\|\ll N
), то она быстро эволюционирует к этому ближайшему аттрактору, изменив состояния небольшого числа нейронов. Такой переход можно записать в виде
s\rightarrow s^{\ast}
. Можно проинтерпретировать это явление так, что состояние
s
содержит частичную, неполную информацию, которая, однако, достаточна для восстановление полной информации, кодируемой состоянием
s^{\ast}
. Например, мы способны восстановить название города по неполному набору букв В*нец*я. Такая память, в которой информация ищется не по формальному адресу (подобно поиску книги в библиотеке по ее шифру), а на основе частичной информации о ее содержании, называется адресованной по содержанию. Таким образом модель Хопфилда может использоваться для имитации содержательно-адресованной или, иными словами, ассоциативной памяти.

Важным свойством такой памяти, представленной набором аттракторов сети, является ее распределеннсть. Это означает, что все нейроны сети участвуют в кодировании всех состояний памяти. Поэтому небольшие искажения значений отдельных весов не сказываются на содержании памяти, что повышает устойчивость памяти к помехам.

Конечно, ассоциативная память может быть реализована и без использования нейронных сетей. Для достаточно с помощью обычного компьютера осуществить последовательное сравнение внешнего стимула со всеми предварительно запомненными образами, выбрав из них тот, для которого Хэммингово расстояние до входного сигнала минимально. Однако, сеть Хопфилда позволяет исключить перебор состояний памяти и осуществить эту процедуру параллельным способом, при котором время выборки из памяти не увеличивается с ростом числа запомненных образов.




Содержание  Назад  Вперед