標題: 類神經記憶
作者: 胡逸光
HU, YI-GUANG
任建葳
REN, JIAN-WEI
電子研究所
關鍵字: 神經;記憶;類神經記憶;類神經網路;NERUAL-ASSOCIATIVR-MEMORY;ARTIFICIAL-NEURAL-NETWORK
公開日期: 1988
摘要: 人類的大腦是一種奇妙的組織,腦細胞的工作原理,到目前仍未被人們所熟知.目前 在類神經網路(Artificial Neural network) 領域內所提出的模式(model), 大 多是根據部份假設所提出的,想在人工智慧上能有所突破. 在本論文內,吾人將討論三類類神經記憶網路(neural Associative Memory):( 1)Hopfield net,(2)Cascade AM,(3)具有BP學習能力的多層網路.以下所 稱的圖案(pattern) 係指存在網路內的東西.一個網路如果能存很多圖案,則稱這 網路具有很大的容量(Capacity). 目前所發表的論文大多著重在如何創造一個網路,使得它的容量變大.但本論文將以 另一觀點來看這一問題.吾人將圖案如何影網路響的容量和效率,以下是本論文的重 要成果,其中所謂的”相關性的圖案”是指圖案間的相似程度. 在一般的情況之下,這三種網路的效率,分別是(1)最好,(2)次之,(3)最 差.若是所重存的圖案有相關性,則(1)和(2)的效率會變得很差,其原因是( 1)和(2)的聯接矩陣(Connection Mtrix)會因相關性的圖案,而產生很大的雜 訊(Noise), 尤其網路越大,則雜訊也越大,影想了網路的運作,因此這兩類網路 的效率變得很差,而具有BP學習能力的多層網路則不受影響. 吾人也提出一個理論來證明相關性的圖案會影響(1)和(2),同時此理論也成功 的預測了當(1)的網路變時的效率.
URI: http://140.113.39.130/cdrfb3/record/nctu/#NT772430082
http://hdl.handle.net/11536/53953
Appears in Collections:Thesis