Ассоциативные клеточные сети с адаптивной архитектурой

• Datum: 2004
• 1. Verfasser: Дехтяренко, А.К.
• Format: Artikel
• Sprache: Russisch
• Veröffentlicht: Інститут проблем математичних машин і систем НАН України 2004
• Schlagworte: Обчислювальні системи
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/83884
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Ассоциативные клеточные сети с адаптивной архитектурой / А.К. Дехтяренко // Мат. машини і системи. — 2004. — № 1. — С. 17-27. — Бібліогр.: 13 назв. — рос.

В работе предлагается модель ассоциативной памяти на базе клеточной нейронной сети с архитектурой, зависящей от запоминаемых данных. Показаны преимущества такого подхода по сравнению с фиксированной архитектурой, задаваемой независимо от данных, а также по сравнению с полносвязной ассоциативной сетью, для которой проведена процедура селекции весов. Помимо непосредственного экспериментального сравнения рассмотренных алгоритмов обучения клеточных сетей, также обосновано и проведено сравнение получаемых сетей по их косвенным признакам. В роботі запропоновано модель асоціативної пам’яті на базі клітинної нейронної мережі з архітектурою, яка залежить від даних, що запам’ятовуються. Показано переваги такого підходу у порівнянні з фіксованою архітектурою, що задається незалежно від даних, а також у порівнянні з повнозв’язною асоціативною мережею, для якої проведено процедуру селекції зв’язків. Окрім безпосереднього експериментального порівняння розглянутих алгоритмів навчання клітинних мереж, також обґрунтовано і проведено порівняння отриманих мереж за їх побічними ознаками. In this paper we introduce a new model of associative memory based on cellular neural network with adaptive architecture. This model outperforms one with fixed architecture that is set independently on data; also it has better associative recall properties than fully connected network with weight selection procedure. Apart from the direct experimental comparison of considered learning algorithms this work presents justification and application of comparison method that uses network indirect characteristics.