噪声在指数容量联想记忆中的促进作用
神经与进化计算
2014-03-14 v1
摘要
近期通过结构化模式集和基于图的推理算法在联想记忆设计方面取得的进展，使得可靠地学习和回忆指数级数量的模式成为可能。尽管这些设计能纠正回忆过程中的外部错误，但它们假设神经元进行无噪声计算，这与被认为执行联想操作的大脑区域（如海马体和嗅皮层）中高度可变的神经元形成对比。在此，我们考虑具有内部噪声计算的联想记忆，并解析地表征其性能。只要内部噪声水平低于指定阈值，回忆阶段的错误概率就可以变得极小。更令人惊讶的是，我们表明内部噪声实际上提高了回忆阶段的性能，而模式检索容量保持不变，即存储模式的数量不会随噪声减少（直至达到阈值）。计算实验为我们的理论分析提供了额外支持。这项工作表明，生物神经元网络中的噪声神经元具有功能性益处。
引用
@article{arxiv.1403.3305,
title = {Noise Facilitation in Associative Memories of Exponential Capacity},
author = {Amin Karbasi and Amir Hesam Salavati and Amin Shokrollahi and Lav R. Varshney},
journal= {arXiv preprint arXiv:1403.3305},
year = {2014}
}
备注
arXiv admin note: text overlap with arXiv:1301.6265