A neural network assembly memory model based on an optimal binary signal detection theory
Vernadsky National Library of Ukraine
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
A neural network assembly memory model based on an optimal binary signal detection theory
|
|
| Creator |
Gopych, P.M.
|
|
| Subject |
Прикладное программное обеспечение
|
|
| Description |
A ternary/binary data coding algorithm and conditions under which Hopfield networks implement optimal convolutional and Hamming decoding algorithms has been described. Using the coding/decoding approach (an optimal Binary Signal Detection Theory, BSDT) introduced a Neural Network Assembly Memory Model (NNAMM) is built. The model provides optimal (the best) basic memory performance and demands the use of a new memory unit architecture with two-layer Hopfield network, N-channel time gate, auxiliary reference memory, and two nested feedback loops. NNAMM explicitly describes the dependence on time of a memory trace retrieval, gives a possibility of metamemory simulation, generalized knowledge representation, and distinct description of conscious and unconscious mental processes. A model of smallest inseparable part or an “atom” of consciousness is also defined. The NNAMM’s neurobiological backgrounds and its applications to solving some interdisciplinary problems are shortly discussed. BSDT could implement the “best neural code” used in nervous tissues of animals and humans. Описані тріарно-бінарний алгоритм кодування даних та умови за яких Хопфілдовські нейронні мережі реалізують для нього оптимальний конволюційний та Хемінгівський алгоритми декодування. Використовуючи запропонований підхід до кодування- декодування даних (оптимальну теорію детектування бінарних сигналів, ТДБС) будується нейросітьова ансамблева модель пам’яті (НСАМП). Ця модель забезпечує оптимальні (найкращі) основні характеристики пам’яті та вимагає використання нової архітектури елементу пам’яті що включає двошарову Хопфілдовську мережу, N-канальні часові ворота, додаткову еталонну пам’ять та дві вкладені петлі зворотнього зв’язку. НСАМП явно описує залежність від часу процессу видобування сліду пам’яті, дає можливість моделювання метапам’яті, узагальненного представлення знань та роздільного опису свідомих та підсвідомих ментальних процесів. Запропоновано також модель найменшої неділимої частки або “атому” свідомості. Коротко обговорюються нейробіологічні основи НСАМП та її застосування до вирішення деяких міждисциплінарних задач. ТДБС може реалізовувати “найкращий нейронний код” що використовується нервовими тканинами людей та тварин. |
|
| Date |
2008-09-17T13:05:50Z
2008-09-17T13:05:50Z 2004 |
|
| Type |
Article
|
|
| Identifier |
A neural network assembly memory model based on an optimal binary signal detection theory / P.M. Gopych // Проблеми програмування. — 2004. — N 2,3. — С. 473-479. — Бібліогр.: 24 назв. — англ.
1727-4907 http://dspace.nbuv.gov.ua/handle/123456789/2306 681.3 |
|
| Language |
en
|
|
| Publisher |
Інститут програмних систем НАН України
|
|