非二进制关联记忆的指数模式检索能力和迭代学习：扩展结果
摘要：非二进制神经元网络的神经关联问题的研究 改进神经关联问题中模式的检索容量 利用模式的冗余和内部结构来提高模式检索容量 模式检索容量的指数增长取决于给定模式的合适的线性代数结构 如果给定模式具有合适的线性代数结构，则模式检索容量实际上是指数级的 如果给定模式具有较小的次要成分，则可以利用这些次要成分来增加模式检索容量和错误修正能力 在学习阶段提出了迭代算法，并提供了两种简单的神经元更新算法来进行回忆阶段 通过分析结果和模拟，证明了提出的方法能够容忍输入中的错误，并能够记忆指数级大量的模式.
作者：Amir Hesam Salavati, K. Raj Kumar, Amin Shokrollahi
论文ID：1302.1156
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2013-02-18