神经网络装配记忆模型框架内的ROC曲线：一些解析结果
人工智能
2007-05-23 v1 信息检索
神经元与认知
定量方法
摘要
基于卷积（汉明）版本的最近神经网络装配记忆模型（NNAMM）用于完整双层自关联Hopfield网络的最优接收者工作特征（ROC）已被解析地推导。我们提出一种方法，显式考虑备择假设的先验概率，以信息 initiating 记忆痕迹检索的结构中引入修改后的ROC（mROC，后验正确召回概率与虚警概率）。与经验ROC（或mROC）的比较表明，两者在定量上一致，从而可以估计实验中所使用的线索的强度。我们发现，双过程识别记忆模型的实验发现所支撑的基本ROC性质可在我们的单因子NNAMM中得到解释。
关键词
引用
@article{arxiv.cs/0309007,
title = {ROC Curves Within the Framework of Neural Network Assembly Memory Model: Some Analytic Results},
author = {Petro M. Gopych},
journal= {arXiv preprint arXiv:cs/0309007},
year = {2007}
}
备注
Proceedings of the KDS-2003 Conference held in Varna, Bulgaria on June 16-26, 2003, pages 138-146, 5 Figures, 18 references