利用高阶同步效应提升振荡神经网络联想记忆信息容量的方法
适应与自组织系统
2018-10-25 v1
摘要
通过对具有热耦合 开关的双振荡器和三振荡器方案进行计算建模，展示了一种基于高阶同步效应的脉冲振荡神经网络（ONN）中模式存储与识别的新方法。该方法确保了联想记忆的高信息容量，即大量同步态 。系统中的每个状态由同步阶数表征，同步阶数定义为公共同步频率处谐波数之比。建模表明，三振荡器方案 ~650 和双振荡器方案 ~260 均可达到数个数量级的 。获得了若干规律，特别地，揭示了 最大时振荡器耦合的最优强度。结果表明，当耦合强度和开关内部噪声幅度增大时，信息容量总体呈下降趋势。提出了一种模式存储与测试向量识别算法。还表明，为降低识别模糊性，每个向量中的坐标数应比开关数少一。所展示的联想记忆实现方法具有通用性，可应用于具有各种机制和振荡器耦合拓扑的 ONN 中。
引用
@article{arxiv.1805.08737,
title = {Method of increasing the information capacity of associative memory of oscillator neural networks using high-order synchronization effect},
author = {Andrei Velichko and Maksim Belyaev and Vadim Putrolaynen and Petr Boriskov},
journal= {arXiv preprint arXiv:1805.08737},
year = {2018}
}
备注
18 pages, 8 figures