At the same time, a number of “pseu

At the same time, a number of “pseudopatterns” will be generated in the final-storage
memory. In other words, random input will be fed into the network. Activation will spread
through both the early-processing and final-storage areas of the network. Crucially, the
output of this random input sent through the final-storage part of the network will be used
as a teacher for the early-processing part of the network. In other words, the earlyprocessing
memory will then learn a series of pseudopatterns produced in the final-storage
memory that reflect the patterns previously stored in final-storage. So, rather than
interleaving the real, originally learned patterns with the new input coming to the earlyprocessing
memory, we do the next best thing — namely, we interleave pseudopatterns that
are approximations of the previously stored patterns. Once the new pattern and the
pseudopatterns are learned in the early-processing area, the weights from the earlyprocessing
network are copied to the corresponding weights in the final-storage network

ผลลัพธ์ (ไทย) 1:

ในเวลาเดียวกัน จำนวน "pseudopatterns" จะถูกสร้างขึ้นในสุดเก็บหน่วยความจำ ในคำอื่น ๆ ป้อนข้อมูลสุ่มจะถูกป้อนเข้าสู่เครือข่าย เปิดใช้งานจะแพร่กระจายผ่านทั้งช่วงประมวลผล และสุดท้ายเก็บพื้นที่เครือข่าย อำนาจ การจะใช้ผลผลิตของอินพุตนี้สุ่มส่งผ่านส่วนสุดท้ายเก็บของเครือข่ายเป็นครูในช่วงประมวลผลส่วนของเครือข่าย ในคำอื่น ๆ earlyprocessingหน่วยความจำแล้วจะเรียนชุดของ pseudopatterns ที่ผลิตเก็บสุดท้ายหน่วยความจำที่สะท้อนถึงรูปแบบที่เก็บไว้ในที่จัดเก็บสุดท้าย ดังนั้น rather กว่าแทรกสลับข้อมูลจริง เดิมเรียนรู้รูปแบบการป้อนข้อมูลใหม่มา earlyprocessingหน่วยความจำ เราทำสิ่งดีที่สุดถัดไปซึ่งได้แก่ เรา interleave pseudopatterns ที่มีเพียงการประมาณรูปแบบเก็บไว้ก่อนหน้านี้ เมื่อรูปแบบใหม่และpseudopatterns จะเรียนรู้ในช่วงประมวลผลพื้นที่ น้ำหนักจากการ earlyprocessingเครือข่ายจัดน้ำหนักสอดคล้องกันในเครือข่ายเก็บข้อมูลสุดท้าย

ผลลัพธ์ (ไทย) 2:

ในเวลาเดียวกันเป็นจำนวนมาก "pseudopatterns"
จะถูกสร้างขึ้นในรอบสุดท้ายจัดเก็บหน่วยความจำ ในคำอื่น ๆ , การป้อนข้อมูลแบบสุ่มจะถูกป้อนเข้าสู่เครือข่าย
การเปิดใช้งานจะแพร่กระจายผ่านการประมวลผลทั้งต้นและพื้นที่จัดเก็บสุดท้ายของเครือข่าย ขับเคลื่อนการส่งออกของการป้อนข้อมูลแบบสุ่มนี้ส่งผ่านส่วนสุดท้ายการจัดเก็บข้อมูลของเครือข่ายที่จะใช้ในฐานะที่เป็นครูเพื่อเป็นส่วนหนึ่งในช่วงต้นของการประมวลผลของเครือข่าย ในคำอื่น ๆ earlyprocessing หน่วยความจำแล้วจะได้เรียนรู้ชุดของ pseudopatterns ผลิตในขั้นสุดท้ายการจัดเก็บหน่วยความจำที่สะท้อนให้เห็นถึงรูปแบบการเก็บไว้ก่อนหน้าในการจัดเก็บสุดท้าย ดังนั้นแทนที่จะinterleaving จริงรูปแบบการเรียนรู้ครั้งแรกกับการป้อนข้อมูลใหม่ที่จะมาถึง earlyprocessing หน่วยความจำที่เราทำสิ่งที่ดีที่สุด - คือเราสอดใบแทรก pseudopatterns ที่มีความใกล้เคียงของรูปแบบที่เก็บไว้ก่อนหน้า เมื่อรูปแบบใหม่และpseudopatterns จะเรียนรู้ในพื้นที่ต้นการประมวลผลจากน้ำหนัก earlyprocessing ที่เครือข่ายจะถูกคัดลอกไปที่น้ำหนักที่สอดคล้องกันในเครือข่ายการจัดเก็บข้อมูลสุดท้าย

ผลลัพธ์ (ไทย) 3:

ในเวลาเดียวกัน , ตัวเลขของ " pseudopatterns " จะถูกสร้างขึ้นในหน่วยความจำ
สุดท้าย ในคำอื่น ๆที่สุ่มใส่ที่จะถูกป้อนเข้าสู่เครือข่าย . การเปิดใช้งานจะกระจาย
ผ่านทั้งก่อนการประมวลผลและสุดท้ายการจัดเก็บพื้นที่เครือข่าย crucially
ผลผลิตนี้สุ่มข้อมูลที่ส่งผ่านกระเป๋าส่วนสุดท้ายของเครือข่ายจะใช้
ในฐานะที่เป็นครูสำหรับการประมวลผลส่วนต้นของเครือข่าย ในคำอื่น ๆ earlyprocessing
หน่วยความจำจะเรียนรู้ชุดของ pseudopatterns ผลิตในรอบสุดท้ายกระเป๋า
ความทรงจำที่สะท้อนให้เห็นถึงรูปแบบก่อนหน้านี้ เก็บไว้ในกระเป๋าสุดท้าย ดังนั้นแทนที่จะ
interleaving ที่แท้จริง เรียนรู้รูปแบบเดิมกับใหม่ ใส่มา earlyprocessing
หน่วยความจำเราทำสิ่งดีที่สุดถัดไป - คือเราสอดแทรก pseudopatterns ที่
จะใกล้เคียงของเก็บไว้ก่อนหน้านี้รูปแบบ เมื่อรูปแบบใหม่และ
pseudopatterns จะเรียนรู้ในพื้นที่การประมวลผลเร็ว น้ำหนักจาก earlyprocessing
เครือข่ายจะถูกคัดลอกไปน้ำหนักที่สอดคล้องกันในเครือข่ายการจัดเก็บขั้นสุดท้าย