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 A...
Gespeichert in:
| Datum: | 2004 |
|---|---|
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Englisch |
| Veröffentlicht: |
Інститут програмних систем НАН України
2004
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/2306 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | 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. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862549366899736576 |
|---|---|
| author | Gopych, P.M. |
| author_facet | Gopych, P.M. |
| 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. |
| collection | DSpace DC |
| 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.
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.
|
| first_indexed | 2025-11-25T20:34:07Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-2306 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1727-4907 |
| language | English |
| last_indexed | 2025-11-25T20:34:07Z |
| publishDate | 2004 |
| publisher | Інститут програмних систем НАН України |
| record_format | dspace |
| spelling | Gopych, P.M. 2008-09-17T13:05:50Z 2008-09-17T13:05:50Z 2004 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 https://nasplib.isofts.kiev.ua/handle/123456789/2306 681.3 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. en Інститут програмних систем НАН України Прикладное программное обеспечение A neural network assembly memory model based on an optimal binary signal detection theory Article published earlier |
| spellingShingle | A neural network assembly memory model based on an optimal binary signal detection theory Gopych, P.M. Прикладное программное обеспечение |
| title | 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_short | 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 |
| topic | Прикладное программное обеспечение |
| topic_facet | Прикладное программное обеспечение |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/2306 |
| work_keys_str_mv | AT gopychpm aneuralnetworkassemblymemorymodelbasedonanoptimalbinarysignaldetectiontheory AT gopychpm neuralnetworkassemblymemorymodelbasedonanoptimalbinarysignaldetectiontheory |