The ability of a metric attractor n

The ability of a metric attractor neural networks (MANN) to learn structured patterns is analyzed. In particular we consider collections of fingerprints, which present some local features, rather than being modeled by random patterns. The network retrieval proved to be robust to varying the pattern activity, the threshold strategy, the topological arrangement of the connections, and for several types of noisy configuration. We found that the lower the fingerprint patterns activity is, the higher the load ratio and retrieval quality are. A simplified theoretical framework, for the unbiased case, is developed as a function of five parameters: the load ratio, the finiteness connectivity, the density degree of the network, randomness ratio, and the spatial pattern correlation. Linked to the latter appears a new neural dynamics variable: the spatial neural correlation. The theory agrees quite well with the experimental results.

ผลลัพธ์ (ไทย) 1:

เป็นวิเคราะห์ความสามารถของเครือข่ายประสาท attractor เมตริก (ผู้ชาย) การเรียนรู้รูปแบบโครงสร้าง โดยเฉพาะอย่างยิ่ง เราพิจารณาคอลเลกชันของลายนิ้วมือ ซึ่งแสดงคุณลักษณะบางอย่างของท้องถิ่น แทนที่ถูกจำลอง โดยรูปแบบสุ่ม เรียกเครือข่ายพิสูจน์แล้วว่ามีประสิทธิภาพแตกต่างกันรูปแบบกิจกรรม กลยุทธ์เกณฑ์ จัด topological ของการเชื่อมต่อ และ สำหรับหลายชนิดของการกำหนดค่าเสียงดัง เราพบว่า เป็นกิจกรรมรูปแบบลายนิ้วมือที่ต่ำกว่า จะโหลดอัตราส่วนและเรียกคุณภาพสูง กรอบทฤษฎีที่ง่าย สำหรับกรณีเป็นกลาง มีพัฒนาเป็นฟังก์ชันของพารามิเตอร์ห้า: อัตราการโหลด การเชื่อมต่อเขฅจำกัด ระดับความหนาแน่นของเครือข่าย อัตราสุ่ม และความสัมพันธ์รูปแบบเชิงพื้นที่ เชื่อมโยงกับตัวแปรของระบบประสาท dynamics ใหม่ปรากฏหลัง: ความสัมพันธ์เชิงพื้นที่ของระบบประสาท ทฤษฎีที่ยอมรับค่อนข้างดีกับผลการทดลอง

ผลลัพธ์ (ไทย) 2:

ความสามารถของตัวชี้วัด attractor เครือข่ายประสาท (MANN) เพื่อเรียนรู้รูปแบบโครงสร้างการวิเคราะห์ โดยเฉพาะอย่างยิ่งเราพิจารณาคอลเลกชันของลายนิ้วมือซึ่งนำเสนอคุณลักษณะบางท้องถิ่นแทนที่จะถูกรูปแบบโดยรูปแบบสุ่ม ดึงเครือข่ายการพิสูจน์แล้วว่ามีประสิทธิภาพในการที่แตกต่างกันกิจกรรมรูปแบบกลยุทธ์เกณฑ์การจัดทอพอโลยีของการเชื่อมต่อและสำหรับหลายประเภทของการกำหนดค่าที่มีเสียงดัง เราพบว่าต่ำกว่ากิจกรรมรูปแบบลายนิ้วมือที่สูงกว่าอัตราการโหลดและคุณภาพการดึงเป็น กรอบทฤษฎีง่ายสำหรับกรณีที่เป็นกลางมีการพัฒนาเป็นฟังก์ชั่นของห้าพารามิเตอร์: อัตราส่วนภาระการเชื่อมต่อฅ จำกัด ที่ระดับความหนาแน่นของเครือข่ายที่มีอัตราส่วนการสุ่มและความสัมพันธ์รูปแบบเชิงพื้นที่ เชื่อมโยงกับหลังปรากฏตัวแปร Dynamics ประสาทใหม่: ความสัมพันธ์เชิงพื้นที่ประสาท ทฤษฎีที่ตกลงค่อนข้างดีกับผลการทดลอง

ผลลัพธ์ (ไทย) 3:

ความสามารถของเมตริกแอตแทรกเตอร์เครือข่ายประสาท ( ผู้ชาย ) เพื่อเรียนรู้โครงสร้างรูปแบบการวิเคราะห์ โดยเฉพาะอย่างยิ่งเราพิจารณาเก็บลายนิ้วมือ ซึ่งปัจจุบันบางท้องถิ่น คุณสมบัติ แทนที่จะเป็นแบบรูปแบบสุ่ม ระบบเครือข่ายได้พิสูจน์ว่าเป็นมีเสถียรภาพเพื่อเปลี่ยนแปลงรูปแบบกิจกรรม กลยุทธ์ของการจัดเรียงรูปแบบของการเชื่อมต่อและสำหรับหลายประเภทของการปรับแต่งเสียงดัง เราพบว่าลดลายนิ้วมือรูปแบบกิจกรรม สูงกว่าอัตราการโหลดและคุณภาพ . ง่ายกรอบทฤษฎี ในกรณีที่เป็นกลาง คือการพัฒนาเป็นฟังก์ชันของพารามิเตอร์อัตราส่วน 5 : โหลด , การเล่นการเชื่อมต่อความหนาแน่นระดับเครือข่าย อัตราส่วน randomness และรูปแบบเชิงสหสัมพันธ์ เชื่อมโยงไปยังหลังปรากฏตัวแปรพลวัตประสาทใหม่ : ความสัมพันธ์แบบเชิงพื้นที่ ทฤษฎีเห็นด้วยทีเดียวกับผลการทดลอง