The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory.
Abstract
ظرفیت (حجم حافظه) مدل عصبی هاپفیلد ، بعنوان پارامترهای مهم در بهره برداری از این شبکه ، بررسی شده است .
در این مقاله ، باند بالای ظرفیت شبکه هاپفیلد با روشی نو ، از طریق مدل سازی آن با کانال شانون محاسبه می شود . به منظور دستیابی به حداکثر زمان ممکن الگریتم یادگیری شبکه بررسی می شود و به اثبات می رسد که ظرفیت شبکه در عمل محدود به ماکزیمم تعداد الگوهای آموزشی دو به دو متعامد است . سپس ضمن اثبات چند قضیه در خصوص کدهای متعامد ، حجم حافظه عملی شبکه را در حالت ورودی خش دار و بی خش ، با فرض کدگذاری مناسب روی الگوهای آموزشی ، بررسی کرده ، سر انجام با استفاده از شبیه سازی مدل هاپفیلد نتایج محاسبات نظری و میزان افزایش حجم حافظ را ارزیابی می کنیم .
. (1993). The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory.. (e26221). University College of Engineering, 53(0), e26221
MLA
. "The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory." .e26221 , University College of Engineering, 53, 0, 1993, e26221.
HARVARD
. (1993). 'The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory.', University College of Engineering, 53(0), e26221.
CHICAGO
, "The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory.," University College of Engineering, 53 0 (1993): e26221,
VANCOUVER
. The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory.. University College of Engineering. 1993;53(0):e26221 (In Persian).