Binární faktorová analýza pomocí Hopfieldovy neuronové sítě: Jednokroková aproximace a počítačová simulace

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F04%3A00405186" target="_blank" >RIV/67985807:_____/04:00405186 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Binary Factorization in Hopfield-Like Neural Networks: Single-Step Approximation and Computer Simulations

Popis výsledku v původním jazyce

The unsupervised learning of feature extraction in high-dimensional patterns space is a central problem for the neural network approach. Feature extraction is a procedure which maps original patterns into the feature (or factor) space of reduced dimension. In this paper we demonstrate that Hebbian learning in Hopfield-like neural network is a natural procedure for unsupervised learning of feature extraction. Due to this learning, factors become the attractors of network dynamics, hence they can be revealed by the random search. The neurodynamics is analysed by Single-Step approximation which is known citeFROHUM97 to be rather accurate for sparsely encoded Hopfield-network. Thus, the analysis is restricted by the case of sparsely encoded factors. The accuracy of Single-Step approximation is confirmed by computer simulations.

Název v anglickém jazyce

Binary Factorization in Hopfield-Like Neural Networks: Single-Step Approximation and Computer Simulations

Popis výsledku anglicky

The unsupervised learning of feature extraction in high-dimensional patterns space is a central problem for the neural network approach. Feature extraction is a procedure which maps original patterns into the feature (or factor) space of reduced dimension. In this paper we demonstrate that Hebbian learning in Hopfield-like neural network is a natural procedure for unsupervised learning of feature extraction. Due to this learning, factors become the attractors of network dynamics, hence they can be revealed by the random search. The neurodynamics is analysed by Single-Step approximation which is known citeFROHUM97 to be rather accurate for sparsely encoded Hopfield-network. Thus, the analysis is restricted by the case of sparsely encoded factors. The accuracy of Single-Step approximation is confirmed by computer simulations.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BA - Obecná matematika

OECD FORD obor

—

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

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2004

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Neural Network World

ISSN

1210-0552

e-ISSN

—

Svazek periodika

14

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

14

Strana od-do

139-152

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—