формат Adobe PDF, размер 2173 Кб - Информационно ...

А. А. ФРОЛОВ, Д. ГУСЕК, И. П. МУРАВЬЕВне выглядит переоценкой критического значения информационной нагрузкипри данном начальном пересечении, так как даже при α = 0.28 (см.рис. 8 и рис. 10c) мода для правильных аттракторов продолжает возрастатьвплоть до N = 15000 и мы можем предсказать ее падение при дальнейшемувеличении N только на основе используемой аппроксимации зависимостиF от α и N.Для p = 0.1 поведение пересечения m(t) то же самое, что и для p = 0.5:оно монотонно возрастает для траекторий, сходящихся к правильным аттракторам,и может вначале увеличиваться, но затем уменьшается для ложныхаттракторов (т. е. размер областей притяжения меньше предсказанногоSS-методом, см. рис. 11a). Колебания p µν также, как и разница между p 11и p 10 , возрастают для разреженного кодирования. Таким образом влияниеначального состояния нейрона на его активность в процессе восстановленияэталонов увеличивается при увеличении разреженности кодирования.Заметим, что для p = 0.02 даже m(t) имеет слабые колебания, несмотряна гладкое и монотонное изменение порога активации T (t) (рис. 12b).К сожалению, невозможно напрямую сравнить наши расчеты с результатами,полученными в работах [16] и [22] для p = 0.1. В первой работеграницы области притяжения представлены только для таких параметровсети, которые обеспечивают извлечение из нее максимальной информации.Для разреженного кодирования этот максимум достигается с случае, когданачальный паттерн не содержит активных нейронов, не принадлежащихвосстанавливаемому эталону (т. е. когда начальный паттерн является фрагментомэталона с числом активных нейронов, меньшим чем в эталоне).В отличие от этого мы моделировали случай, когда уровень активности вначальных паттернах был тот же, что в эталонах. В работе [22] рассматривалсятолько случай постоянного порога активации T . В этом случаеобласти притяжения вокруг эталонов значительно меньше, чем для случаяпеременного порога, рассмотренного нами.Как и для плотного кодирования, качество воспроизведения оценивалосьпо среднему финальному пересечению для правильных траекторий(т. е. траекторий с m f > 0.75), стартующих из неискаженных эталонов.Результаты приведены на рис. 13. Для каждого значения α данные компьютерногомоделирования аппроксимировались прямой линией в зависимостиот 1/ √ N. Пересечение прямой с осью ординат рассматривалось какасимптотическая оценка качества воспроизведения для данного α. Полученныеасимптотические значения m f показаны на рис. 7. Они сравниваютсяна этом рисунке со значениями, полученными методами RM, SN иУДК 004.032.26 (06) Нейронные сети 63