- •Оглавление
- •1. Характеристика моделей нейронных сетей.
- •2. Характеристика основных направлений в исследованиях по искусственному интеллекту.
- •3. Знания и модели их представления
- •4. Логические модели представления знаний
- •5. Продукционные модели представления знаний
- •6. Сетевые модели представления знаний (семантические сети)
- •7. Характеристика экспертных систем
- •8. Фреймовые модели представления знаний
- •9. Обобщенная структура экспертной системы
- •10. Характеристика многослойных однонаправленных сетей
- •11. Характеристика полносвязных сетей Хопфилда
- •12. Характеристика двухнаправленной ассоциативной памяти
- •13. Характеристика самоорганизующихся сетей Кохонена
- •14. Области применения нейроинформатики
- •15. Искусственный нейрон. Схема, основные блоки и функции
- •16. Знания и модели их представления
- •17. Фреймовые модели представления знаний.
- •18. Обобщенная структура экспертной системы
- •19. Характеристика моделей нейронных сетей.
- •20. Области применения нейроинформатики
12. Характеристика двухнаправленной ассоциативной памяти
Данная модель является гетроассациативной, способна к обобщению, вырабатывает правильные реакции на смотря на возможные искажения входа.
Коэффицент весов образуют долговременную память (ассоциации)и могут изменяться на более длительном отрезке времени, а состояние нейронов воспринимаем как кратковременную память.
Решим на примере данной модели задачи: режим обучения и режим распознавания.
Слой А. Слой В. Каждый нейрон слоя А соединен со слоем В.
Составим матрицу весов:
В начале необходимо оценить эффективность запоминания обучающих связей. Убедимся, что матрица весов хранит обучающие связи.
Это означает, что при ошибке в исходной информации больше образов будет притягивать x1,y1, так как это точка устойчивого равновесия с минимальным энергетическим уровнем.
Проверка:
Основной причиной неудач исследователей в области искусственного интеллекта, потративших свыше 20 лет на безуспешные попытки моделирования интеллектуальной деятельности на базе обычных цифровых ЭВМ, является, повидимому, тот факт, что в современных ЭВМ существует прямая зависимость времени поиска от количества хранимых образцов. Компьютер запоминает отдельные объекты в отдельных ячейках, как бы заучивает сведения наизусть, и при изучении наук примеры для него, в отличие от человека, отнюдь не полезнее правил. НейроЭВМ, построенная на базе нейросетей, обладает ассоциативной памятью и классифицирует поступившие образы со скоростью, которая не зависит от количества уже поступивших образцов, — она немедленно связывает новый образ с ближайшим имеющимся. Память человека является ассоциативной — один предмет напоминает нам о дру гом, а тот, в свою очередь о третьем и т. д. Наши мысли как бы перемещаются от предмета к предмету по цепочке умственных ассоциаций. Способность к ассоциациям может быть использована для восстановления забытых образов («мы с вами где-то встречались»).
Двунаправленная ассоциативная память является гетероассоциативной; входной вектор поступает на один набор нейронов, а соответствующий выходной вектор вырабатывается на другом наборе нейронов. Как и сеть Хопфилда, двунаправленная ассоциативная память способна к обобщению, вырабатывая правильные ре акции, несмотря на возможные искажение входа. Очевидно, состояние нейронов можно рассматривать, как кратковременную память, так как она может быстро изменяться при появлении другого входного вектора. В то же время значения коэффициентов весовой матрицы образуют долговременную память (ассоциации) и могут изменяться на более длительном отрезке времени, используя соответствующий метод обучения. Обучение производится с использованием обучающего набора из пар векторов х и у. Предположим, что все запомненные образцы представляют собой двоичные векторы. Решение задачи с помощью двунаправленной ассоциативной памяти можно разбить на два этапа: режим обучения и непосредственно решение (распознавание). Рассмотрим оба эти этапа на примере. Каждый нейрон а. в первом слое А имеет синапсы, соединяющие его с нейронами Ь. во втором слое В. Пусть нейроны имеют следующий «смысл»: а, — валюта, я2 — дол лары, а3 — марки, а4 — рубли, bt — США, b 2 — Россия, b 3 —Канада, b 4 — Германия.