La red neuronal (con Encog de Jeff Heaton) a la memoria del ordenador imitan

Question

Quiero memoria del ordenador imitan con la biblioteca de red neuronal encog de Jeff Heaton. Sólo que no sé qué método utilizar.

Mi requisito es, tener una posición de memoria y una colección de bytes para los valores.

location [0000]:byte-data[0101010]
location [0001]:byte-data[0101010]

Estos son los valores Paso al sistema de redes neuronales.

Yo estaba tratando de evitar la reconversión de la red neuronal cada vez que cambia los datos de memoria. Pero tal vez eso es lo que necesito hacer.

¿Qué técnicas de redes neuronales usaría para lograr lo que estoy tratando de hacer?

Answer 1

Lo que estamos tratando de hacer no es un problema de las redes neuronales son realmente tan bueno en ya que son mejores en los patrones de generalización, no aprender de ellos. Sin embargo, usted puede ser capaz de lograr esto, ya sea con redes neuronales probabilísticas o una percepción regular. Usted era un poco vago acerca de su problema, así que voy a tener que ser vago acerca de mi respuesta. Voy a suponer que quiere decir que se pasa en datos de la memoria y luego "se clasifica" a una dirección de memoria. De esta manera cuando se entrena la red utilizando un método de entrenamiento supervisado usted será capaz de pasar de datos de la memoria que es similar o igual que un elemento existente y la red le dará la dirección. También se podría hacer lo mismo a la inversa, supongo.

Si utiliza una red neuronal probabilística podrás esencialmente a aprender cada patrón individual se pasa a la red. Por supuesto, entonces cada vez que se desea almacenar una nueva dirección de memoria, va a añadir un nuevo nodo a la red, lo que hace las cosas un poco ineficiente. Se ha trabajado para reducir este problema, por ejemplo, este documento (lo haría tienen que poner en práctica el algo usted mismo). Tal vez este tipo de red sería más fiable en "recordar" el recuerdo con precisión, sin dejar de ser capaz de generalizar los resultados (el uso de probabilidades). La desventaja es que va a ser mucha memoria.

tradicional de alimentación directa, redes backpropogation (perceptrones) también debe permitir hacer algo como esto. Sin embargo, usted va a tener que tener cuidado para crear nodos ocultos suficiente para permitir que la red de recordar correctamente todos los valores de entrada. Haciendo esto, por supuesto causa más ajustada, pero parece que no quiere generalizar los datos de entrada, que desea un mejor recuerdo para los patrones.

Para resolver el problema de aprender nuevos datos, usted sólo tiene que hacer su red capaz de aprender con el tiempo, en lugar de aprender de una vez. Vas a tener que investigar esto más, pero usted querrá utilizar algún tipo de algoritmo de aprendizaje en línea.

En conclusión, no utilizar redes neuronales, utilizar algún otro tipo de algoritmo: p

Answer 2

El red neuronal Hopfield es una forma sencilla de implementar la memoria asociativa. Convenientemente, incluso se apoya en el marco Encog.

Answer 3

No hay que ser demasiado no técnico, pero estoy bastante seguro de una serie de bucles saliendo de un montón de bucles conectados podría producir la memoria.

Cada bucle permitiría a los datos círculo, y cada uno debajo de bucle pudo identificar, recuperar o modificar la memoria.

Por supuesto, no estoy seguro de cómo le gustaría atraer a la red para incorporar ese diseño.