Запропоновано метод зображення вагових матриць нейронної асоціативної пам'яті (НАП) за допомогою точок на многовиді Грасмана та доведено можливість використання цього методу для створення НАП з метою узагальнення даних. Створено модель НАП, здатну до кластеризації даних, та яка дає змогу навчатися без вчителя. Розроблено метод застосування спектрального аналізу матриць для вивчення властивостей НАП. Одержано теоретичне пояснення явища відновлення частково зруйнованої асоціативної пам'яті у разі повторного навчання, досліджено природу інваріантних підпросторів ушкодженої та відновленої вагових матриць. Уперше створено та досліджено НАП, базуючись на ядерному підході, яка має збільшену ємність пам'яті та дозволяє розв'язувати більш широке коло задач. Оцінено верхню межу ємності асоціативної пам'яті з клітинною архітектурою. Експериментально доведено можливість застосування НАП у задачах розпізнавання хімічних образів (система типу "електронний ніс") та показано її переваги у порівнянні з використанням традиційних щодо цієї задачі нейропарадигм.

  Скачати повний текст