Memorias asociativas

Solo disponible en BuenasTareas
  • Páginas : 9 (2124 palabras )
  • Descarga(s) : 0
  • Publicado : 14 de noviembre de 2011
Leer documento completo
Vista previa del texto
Memorias Asociativas
Reporte de la Plática:
En la plática vimos como funcionan las memorias asociativas, que sirven para reconstruir patrones, un ejemplo bastante claro que vimos fue el de reconstrucción de imágenes, ya que se mostraban varias fotos y nosotros podíamos reconocer la imagen hasta cierto grado de distorsión, a diferencia de las computadoras que estas podían reconocer rangos muchomayores, el ruido que se utilizaba en las imágenes era alterar píxeles positiva o negativamente, y luego se hacia el reconocimiento mediante un software, también vimos como se reconocían ciertas palabras mediante un software, ya que se introducían imágenes con palabras pero dichas palabras estaban incompletas, faltaban letras y tenían ciertos espacios en blanco para indicar que en ese lugar ibauna letra, el software era muy bueno, ya que primero reconocía las letras y los espacios y luego hacia un procesamiento, para ver cuales eran las posibles palabras que podían estar en esa imagen y mostraban la palabra completa ya sin espacios en blanco.
Investigación.
Una de las mayores contribuciones al área de las redes neuronales fue realizada en los años 1980 por John Hopfield, quien estudiómodelos aoutoasociativos que presentaban algunas similaridades con los perceptrones, pero incluía también grandes diferencias.
El concepto de memoria asociativa es bastante intuitivo: se trata simplemente de asociar dos patrones. Dentro de este concepto definiremos diferentes tipos de memorias asociativas:
• Memoria heteroasociativa: Establece una correspondencia F entre dos vectores X,Y detal manera que F(xi)=yi, y si un x arbitrario está más próximo a xi que a cualquier otro xj, entonces F(x)=yi. En esta definición, el estar más próximo quiere decir con respecto a la Distancia De Hamming.
• Memoria asociativa interpoladora: Establece una correspondencia F entre X e Y de tal manera que F(x)=yi, pero si el vector de entrada difiere de uno de los ejemplares en el vector d, de talmodo que x=xi+d, entonces la salida será yi+d.
• Memoria autoasociativa: Supóngase que Y=X, y apliquemos lo que se dijo en la primera definción.
La estructura de red neuronal que propone Hopfield viene ha ser una memoria autoasociativa., de una sóla capa, totalmente conectada y recurrente.
[pic]
CARACTERÍSTICAS:
• Es una estructura en donde la matriz de pesos es cuadrada y simétrica.Es decir los pesos de un PE a otro tiene el mismo valor en ambas direcciones. · Cada PE está conectado con todos los demás, incluso con si mismo pero el valor de dicha conexión es 0, significando que el PE no se realimenta a si mismo.
• La función de transferencia de cada PE, que normalmente se suele utilizar, es una hardlimiter y los PE calculan la suma de los pesos por las entradas menosun cierto umbral, pasando a través de la función de transferencia, produciendo así su estado de salida.
• Las entradas son 2 estados: binarias (0,1) o bipolar (-1,1).
FUNCIONAMIENTO:
• Las entradas son aplicadas a la red, ésta a través de un ciclo produce una sucesión de estados, hasta que converge a una solución estable, la cual ocurre cuando las salidas de los diferentes PES nocambian.
• Entonces la salida que produce la red es la combinación de todas las salidas de los PEs, cuando éstos se encuentran estables.
o Una manera simple de visualizar el sistema es considerar que, ya que todos los PEs están conectados entre sí, el PE que se encuentra activado afecta a todos los demás. El estado inicial, representa un conjunto de valores diferentes, cada uno tratando deafectar a los demás.
o Esto, comunmente es inestable, como la red se mueve a través de diferentes estados, al final se obtendrá el mejor compromiso, que la red puede encontrar. En este estado existen muchas entradas que tratan de activar un PE y existen otras que tratan de desactivarlo, eso al final significa un estado estable.
La operación de la red es totalmente diferente al...
tracking img