Biblioteca32.346 documentos en línea

Artículo

A Self-Organizing Incremental Spatiotemporal Associative Memory Networks Model for Problems with Hidden StateUn modelo de redes de memoria asociativa incremental y autoorganizada para problemas con estado oculto

Resumen

Identificar el estado oculto es importante para resolver problemas con estado oculto. Demostramos que cualquier proceso de decisión de Markov parcialmente observable (POMDP) puede ser representado por un modelo de transición de estado oculto mínimo y en bucle, y proponemos un algoritmo heurístico de construcción de modelos de transición de estado. Se propone una nueva red de memoria asociativa espacio-temporal (STAMN) para realizar el modelo mínimo de transición de estados ocultos en bucle. STAMN utiliza el decaimiento de la neuroactividad para realizar la memoria a corto plazo, los pesos de conexión entre los diferentes nodos para representar la memoria a largo plazo, los potenciales presinápticos y el mecanismo de activación sincronizada para completar la identificación y el recuerdo simultáneamente. Por último, ofrecemos ilustraciones empíricas del STAMN y comparamos el rendimiento del modelo STAMN con el de otros métodos.

  • 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