Binary Factorization in Hopfield-Like Neural Autoassociator: A Promising Tool for Data Compression.

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F03%3A06030184" target="_blank" >RIV/67985807:_____/03:06030184 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Binary Factorization in Hopfield-Like Neural Autoassociator: A Promising Tool for Data Compression.
Popis výsledku v původním jazyce
Proposed approach of data compression is based on feature extraction procedure which maps original patterns into features (factors) space of reduced, possibily very small, dimension. It is shown that Hebbian unsupervised learning of Hopfield-like neuralnetwork is a natural procedure for factor extraction. Due to this learning, factors become the attractors of network dynamics, hence they can be revealed by the random search.
Název v anglickém jazyce
Binary Factorization in Hopfield-Like Neural Autoassociator: A Promising Tool for Data Compression.
Popis výsledku anglicky
Proposed approach of data compression is based on feature extraction procedure which maps original patterns into features (factors) space of reduced, possibily very small, dimension. It is shown that Hebbian unsupervised learning of Hopfield-like neuralnetwork is a natural procedure for factor extraction. Due to this learning, factors become the attractors of network dynamics, hence they can be revealed by the random search.

Projekt
<a href="/cs/project/GA201%2F01%2F1192" target="_blank" >GA201/01/1192: Výzkum schopností neuronových sítí provádět nelineární Booleovskou faktorovou analýzu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2003
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)