会议论文(已发布)
详情
引用
Swingler K (2017) 具有混合顺序超网络的高容量内容可寻址存储器。见:Merelo J、Rosa A、Cadenas J、Correia A、Mandani K、Ruano A 和 Filipe J(编辑)计算智能:国际联合会议,IJCCI 2015,葡萄牙里斯本,2015 年 11 月 12 日至 14 日,修订后的精选论文。计算智能研究,669。计算智能国际联合会议,IJCCI 2015,葡萄牙里斯本,2015 年 11 月 12 日至 2015 年 11 月 14 日。 Cham,瑞士:施普林格,第 337-358 页。 https://doi.org/10.1007/978-3-319-48506-5_17
摘要混合阶超网络 (MOHN) 是一种神经网络,其中权重可以连接任意数量的神经元,而不是通常的两个。 MOHN 可用作内容可寻址存储器 (CAM),其容量比标准 Hopfield 网络更高。它们还可以用于 f : −1,1n→R 中函数的回归学习,其中转折点相当于 CAM 中的记忆。本文提出了多种从数据中学习能量函数的方法,这些方法可以充当 CAM 或回归模型,并介绍了使用这种方法的优点。
| 状态 | 已发布 |
|---|---|
| 系列标题 | 计算智能研究 |
| 系列中的数字 | 669 |
| 发布日期 | 31/12/2017 |
| 在线发布日期 | 30/11/2015 |
| 网址 | http://hdl.handle.net/1893/26263 |
| 发布商 | 施普林格 |
| 出版地 | 瑞士查姆 |
| 系列的 ISSN | 1860-949X |
| ISBN | 978-3-319-48504-1 |
| 电子ISBN | 978-3-319-48506-5 |
| 会议 | 计算智能国际联合会议,IJCCI 2015 |
| 会议地点 | 葡萄牙里斯本 |
| 日期 |
人数 (1)
计算机科学教授