Pattern Classifier

A. E. Günhan, University of Bergen, Norveç.

Abstract

In the present work, an alternative multi-Iayer unsupervised neural network model that may approximate certain neurophysiological features of Natural Neural Systems has been studied. The Network is formed by two parts. The first part of the network plays a role as a Short Terrn Memory that is a temporary storage for each pattern. The task for this part of the network is to preprocess incoming patterns without memorizing, in other words, to reduce the dimensions and the linear dependency among patterns by determining their relevant representations. This preprocessing ability is obtained by a dynamic lateral inhibition mechanism on the hidden layer. These representations are the input patterns for the next part of the network. The second part of the network may be accepted as a Long Term Mernory which classifies and memorizes incoming pattern informations that come from hidden layer.

Özet

Bu çalışmada, Doğal Sinir Sistemlerinin belirli nörofizyolojik özelliklerini yaklaştırabilecek alternatif bir Çok Katmanlı denetlenmemiş bir sinir ağı modeli incelenmiştir. Ağ iki bölümden oluşur. Ağın ilk bölümü, her model için geçici olarak depolanan Kısa Süreli Bellek olarak rol oynar. Ağın bu bölümü için görev, gelen kalıpları ezberlemeden önceden işlemek, başka bir deyişle, ilgili temsillerini belirleyerek kalıplar arasındaki boyutları ve doğrusal bağımlılığı azaltmaktır. Bu ön işleme yeteneği, gizli katman üzerindeki dinamik bir yanal inhibisyon mekanizması ile elde edilir. Bu gösterimler ağın bir sonraki kısmı için giriş kalıplarıdır. Ağın ikinci kısmı, gizli katmandan gelen gelen bilgi kalıplarını sınıflandıran ve ezberleyen Uzun Süreli Bellek olarak kabul edilebilir.

Tam Metin

Bildirinin tamamını görüntülemek için aşağıdaki dosyayı indiriniz.

Last updated