Đang chuẩn bị liên kết để tải về tài liệu:
Khả năng nhớ mẫu của các mạng nơron hồi quy

Nội dung của bài viết trình bày tóm tắt cấu trúc, luật học, điều kiện ổn định và khả năng nhớ mẫu của các mạng nơron Hopfield, BAM (Bidirectional Associative Memory), hai trong các mạng nơron hồi quy điển hình; thử nghiệm khả năng nhớ mẫu, khả năng chịu lỗi ở các mức độ sai số khác nhau. | ISSN 2354-0575 KHẢ NĂNG NHỚ MẪU CỦA CÁC MẠNG NƠRON HỒI QUY Nguyễn Quang Hoan1 Vũ Thị Thềm2 Bùi Đình Quân3 1 Trường Đại học Sư phạm Kỹ thuật Hưng Yên 2 Trung tâm GDTX-HN Gia Lộc 3 UBND Huyện Đông Hưng Ngày nhận 05 01 2017 Ngày sửa chữa 10 02 2017 Ngày xét duyệt 02 03 2017 Tóm tắt Mạng nơron nhân tạo được mô phỏng dựa theo não người. Mạng nơron nhân tạo có khả năng nhớ giống não người không Bài báo này cho tóm tắt cấu trúc luật học điều kiện ổn định và khả năng nhớ mẫu của các mạng nơron Hopfield BAM Bidirectional Associative Memory hai trong các mạng nơron hồi quy điển hình. Tiếp đó bài báo tiến hành thử nghiệm khả năng nhớ mẫu khả năng chịu lỗi ở các mức độ sai số khác nhau. Ví dụ ứng dụng của các mạng hồi quy cho bài toán nhận mẫu và gán nhãn cũng được trình bày. Từ khóa Mạng nơron hồi quy mạng nơron Hopfield mạng nơron BAM nhớ mẫu luật học. 1. Giới thiệu Hopfield đề xuất cấu trúc mạng rời rạc một Mạng nơron nhân tạo được phân làm hai lớp Hình 1 hay mạng hồi quy . nhóm chính mạng truyền thẳng và phản hồi hay mạng hồi quy . Nhiều công trình nghiên cứu tính ổn định của mạng hồi quy 1 2 3 5 nhằm xác định miền các tham số tránh phản hồi dương làm mất tính ổn định. Một số nghiên cứu cho biết mạng nơron Hopfield có khả năng thực hiện nhớ tự-liên- kết Auto-Associative Memory - khả năng phục hồi một phần dữ liệu đã được học 1 . Hopfield năm 1982 bằng thực nghiệm cho biết dung lượng nhớ C 0.15n n là số nơron. Theo McEliece 1987 C 1-2µ 2 4lnn 0 µ ISSN 2354-0575 Z h Bước 3 Xác định khả năng nhớ của mạng. 2y - 1 2y - 1 khi i j wij p p i p j 4 Lập Bảng 1 trong đó ba mẫu học gốc ký hiệu lại là 1 D0 E0 G0. Các mẫu có chỉ số từ 1 đến 5 ám chỉ các 0 i j mẫu đó lần lượt sai số với mẫu gốc 1 đến 5 bits. Cột 1 n 2 số mẫu cần tính trong đó dòng 1 chỉ có một mẫu i i 2 wij 5 j 1 gốc cột 2 dòng 2 sai số 1 bit so với mẫu gốc lần trong đó h là tổng số mẫu được học p là mẫu học lượt hoán vị bit sai trở thành 5 mẫu cột 2 dòng 3 thứ p đang tác động. 4 5 cũng lập luận tương tự. Các cột còn .