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. ЛИТИНСКИЙПри q = 2 такая сеть эквивалентна стандартной модели Хопфилда [9].Оценка емкости памяти этой сети при N ≫ 1 будет приведена в следующемразделе.2 ◦ . Параметрическая нейронная сеть опирается на параметрическийнейрон — обладающий кубической нелинейностью элемент, способный кпреобразованию и генерации частот в процессах параметрического четырехволновогосмешения [23].Нейроны в ПНС обмениваются по межсвязям квазимонохроматическимиимпульсами на q различных частотах {ω l } q l=1. Кроме того, импульсыимеют амплитуды, равные ±1. Таким образом, нейроны в ПНС могут находитьсяв 2q различных состояниях. Будем описывать состояния нейронов спомощью снабженных амплитудами ±1 единичных ортов ⃗e l пространстваR q :⎛ ⎞0.⃗x i = x i ⃗e li , где x i = ±1, ⃗e l =1∈ R q ,⎜⎝⎟. ⎠0⎧⎨⎩i = 1, . . . , N;l = 1, . . . , q;1 l i q.Состояние сети как целого задается набором N таких q-мерных векторовX = (⃗x 1 , . . . , ⃗x N ), а паттерны, записанные в межсвязях сети — это pнаперед заданных наборов, состоящих из N q-мерных векторов каждый:гдеX µ = (⃗x µ 1 , ⃗xµ 2 , . . . , ⃗xµ N ) , µ = 1, . . . , p ,⃗x µ i = xµ i ⃗e l µ i , xµ i = ±1 , 1 lµ i q .Межсвязь между i-м и j-м нейронами задается (q × q)-матрицей J ijаналогично выражению (4):p∑J ij = (1 − δ ij ) (., ⃗x µ j )⃗xµ i ,µ=1а локальное поле ⃗ h i , действующее на i-й нейрон, имеет вид:⃗ hi =N∑J ij ⃗x j =j=1p∑µ=1⃗x µ iN∑(⃗x j , ⃗x µ j ) =j=1j≠iq∑A il ⃗e l ,l=1(5)УДК 004.032.26 (06) Нейронные сети 77