Biblioteca73.326 documentos en línea

Artículo

A Fast Spatial Pool Learning Algorithm of Hierarchical Temporal Memory Based on Minicolumn’s Self-NominationAlgoritmo de aprendizaje rápido de pool espacial de memoria temporal jerárquica basado en la autonominación de minicolumnas

Resumen

Como nuevo tipo de modelo de red neuronal artificial, el HTM se ha convertido en el centro de la investigación y la aplicación actuales. La representación distribuida dispersa es la base del modelo HTM, pero los algoritmos de aprendizaje de pool espacial existentes tienen una elevada sobrecarga de tiempo de entrenamiento y pueden hacer que el pool espacial se vuelva inestable. Para superar estas desventajas, proponemos un algoritmo de aprendizaje de pool espacial rápido de HTM basado en la nominación de minicolumnas, en el que las minicolumnas se seleccionan según la capacidad de carga y las sinapsis se ajustan mediante codificación comprimida. Hemos implementado el prototipo del algoritmo y hemos realizado experimentos con tres conjuntos de datos. Se comprueba que la sobrecarga de tiempo de entrenamiento del algoritmo propuesto casi no se ve afectada por la longitud de la codificación, y el pool espacial se estabiliza tras menos iteraciones de entrenamiento. Además, el entrenamiento de la nueva entrada no afecta a los resultados ya entrenados.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento