ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Б. В. КРЫЖАНОВСКИЙ, Л. Б. ЛИТИНСКИЙВведениеПоследние 15 лет отмечены интересом к моделям ассоциативной памяти сq-нарными нейронами. Всё в этих моделях подобно модели Хопфилда, ночисло состояний q, в которых могут находиться нейроны, больше 2.В работах [1–3] состояния нейронов изображаются спиновой переменнойS i , принимающей q различных значений:S i = −1 +2(k − 1), i = 1, . . . , N; k = 1, . . . , q . (1)q − 1В другом подходе, различные состояния нейронов изображаются точкамина единичной окружности. Один из вариантов такой сети был рассмотренв [4, 5] — фазорная модель. Другой вариант — в [6] (циклическаямодель).В фазорной сети для изображения различных состояний нейронов используютсядвумерные векторы единичной длины (фазоры). Сеть состоитиз N фазоров S i , i = 1, . . . , N — комплексных чисел, по модулю равныхединице. В первоначальной версии S i могли принимать непрерывныйряд значений (непрерывная модель), а в более поздней — только q корнейуравнения S q i = 1 (дискретная модель). Пусть p паттернов — это pнаперед заданных N-мерных наборов (ξ µ 1 , ξµ 2 , . . . , ξµ N ), µ = 1, . . . , p, гдеξ µ j = exp(ıθµ j ) — состояние i-го нейрона в µ-м паттерне. Тогда синаптическаясвязь задается выражениемC ij = (1 − δ ij )p∑ξ µ ¯ξ µ i j ; (2)черта сверху означает здесь комплексное сопряжение. Динамическое решающееправило определяется с помощью (комплексного) локального поля:µ=1h i = ∑ jC ij S j , S i (t + 1) = h i| h i | . (3)В случае последовательной динамики энергия состоянияE = − 1 ∑C ij S j ¯Sj2i≠jмонотонно убывает. Эта сеть изучалась также в [7].УДК 004.032.26 (06) Нейронные сети 73