A neural network assembly memory model based on an optimal binary signal detection theory

A ternary/binary data coding algorithm and conditions under which Hopfield networks implement optimal convolutional and Hamming decoding algorithms has been described. Using the coding/decoding approach (an optimal Binary Signal Detection Theory, BSDT) introduced a Neural Network Assembly Memory M...

Повний опис

Збережено в:

Бібліографічні деталі
Видавець:	Інститут програмних систем НАН України
Дата:	2004
Автор:	Gopych, P.M.
Формат:	Стаття
Мова:	English
Опубліковано:	Інститут програмних систем НАН України 2004
Теми:	Прикладное программное обеспечение
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/2306
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Цитувати:	A neural network assembly memory model based on an optimal binary signal detection theory / P.M. Gopych // Проблеми програмування. — 2004. — N 2,3. — С. 473-479. — Бібліогр.: 24 назв. — англ.

Репозиторії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-2306
record_format	dspace
spelling	irk-123456789-23062008-10-13T15:09:43Z A neural network assembly memory model based on an optimal binary signal detection theory Gopych, P.M. Прикладное программное обеспечение A ternary/binary data coding algorithm and conditions under which Hopfield networks implement optimal convolutional and Hamming decoding algorithms has been described. Using the coding/decoding approach (an optimal Binary Signal Detection Theory, BSDT) introduced a Neural Network Assembly Memory Model (NNAMM) is built. The model provides optimal (the best) basic memory performance and demands the use of a new memory unit architecture with two-layer Hopfield network, N-channel time gate, auxiliary reference memory, and two nested feedback loops. NNAMM explicitly describes the dependence on time of a memory trace retrieval, gives a possibility of metamemory simulation, generalized knowledge representation, and distinct description of conscious and unconscious mental processes. A model of smallest inseparable part or an “atom” of consciousness is also defined. The NNAMM’s neurobiological backgrounds and its applications to solving some interdisciplinary problems are shortly discussed. BSDT could implement the “best neural code” used in nervous tissues of animals and humans. Описані тріарно-бінарний алгоритм кодування даних та умови за яких Хопфілдовські нейронні мережі реалізують для нього оптимальний конволюційний та Хемінгівський алгоритми декодування. Використовуючи запропонований підхід до кодування- декодування даних (оптимальну теорію детектування бінарних сигналів, ТДБС) будується нейросітьова ансамблева модель пам’яті (НСАМП). Ця модель забезпечує оптимальні (найкращі) основні характеристики пам’яті та вимагає використання нової архітектури елементу пам’яті що включає двошарову Хопфілдовську мережу, N-канальні часові ворота, додаткову еталонну пам’ять та дві вкладені петлі зворотнього зв’язку. НСАМП явно описує залежність від часу процессу видобування сліду пам’яті, дає можливість моделювання метапам’яті, узагальненного представлення знань та роздільного опису свідомих та підсвідомих ментальних процесів. Запропоновано також модель найменшої неділимої частки або “атому” свідомості. Коротко обговорюються нейробіологічні основи НСАМП та її застосування до вирішення деяких міждисциплінарних задач. ТДБС може реалізовувати “найкращий нейронний код” що використовується нервовими тканинами людей та тварин. 2004 Article A neural network assembly memory model based on an optimal binary signal detection theory / P.M. Gopych // Проблеми програмування. — 2004. — N 2,3. — С. 473-479. — Бібліогр.: 24 назв. — англ. 1727-4907 http://dspace.nbuv.gov.ua/handle/123456789/2306 681.3 en Інститут програмних систем НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	English
topic	Прикладное программное обеспечение Прикладное программное обеспечение
spellingShingle	Прикладное программное обеспечение Прикладное программное обеспечение Gopych, P.M. A neural network assembly memory model based on an optimal binary signal detection theory
description	A ternary/binary data coding algorithm and conditions under which Hopfield networks implement optimal convolutional and Hamming decoding algorithms has been described. Using the coding/decoding approach (an optimal Binary Signal Detection Theory, BSDT) introduced a Neural Network Assembly Memory Model (NNAMM) is built. The model provides optimal (the best) basic memory performance and demands the use of a new memory unit architecture with two-layer Hopfield network, N-channel time gate, auxiliary reference memory, and two nested feedback loops. NNAMM explicitly describes the dependence on time of a memory trace retrieval, gives a possibility of metamemory simulation, generalized knowledge representation, and distinct description of conscious and unconscious mental processes. A model of smallest inseparable part or an “atom” of consciousness is also defined. The NNAMM’s neurobiological backgrounds and its applications to solving some interdisciplinary problems are shortly discussed. BSDT could implement the “best neural code” used in nervous tissues of animals and humans.
format	Article
author	Gopych, P.M.
author_facet	Gopych, P.M.
author_sort	Gopych, P.M.
title	A neural network assembly memory model based on an optimal binary signal detection theory
title_short	A neural network assembly memory model based on an optimal binary signal detection theory
title_full	A neural network assembly memory model based on an optimal binary signal detection theory
title_fullStr	A neural network assembly memory model based on an optimal binary signal detection theory
title_full_unstemmed	A neural network assembly memory model based on an optimal binary signal detection theory
title_sort	neural network assembly memory model based on an optimal binary signal detection theory
publisher	Інститут програмних систем НАН України
publishDate	2004
topic_facet	Прикладное программное обеспечение
url	http://dspace.nbuv.gov.ua/handle/123456789/2306
citation_txt	A neural network assembly memory model based on an optimal binary signal detection theory / P.M. Gopych // Проблеми програмування. — 2004. — N 2,3. — С. 473-479. — Бібліогр.: 24 назв. — англ.
work_keys_str_mv	AT gopychpm aneuralnetworkassemblymemorymodelbasedonanoptimalbinarysignaldetectiontheory AT gopychpm neuralnetworkassemblymemorymodelbasedonanoptimalbinarysignaldetectiontheory
first_indexed	2023-03-24T08:23:31Z
last_indexed	2023-03-24T08:23:31Z
_version_	1796138937383649280

A neural network assembly memory model based on an optimal binary signal detection theory

Репозиторії

Схожі ресурси