| Identifikační kód |
RIV/67985807:_____/04:00405186 |
| Název v anglickém jazyce |
Binary Factorization in Hopfield-Like Neural Networks: Single-Step Approximation and Computer Simulations |
| Druh |
J - Recenzovaný odborný článek (Jimp, Jsc a Jost) |
| Poddruh |
- |
| Jazyk |
eng - angličtina |
| Obor - skupina |
B - Fyzika a matematika |
| Obor |
BA - Obecná matematika |
| Rok uplatnění |
2004 |
| Kód důvěrnosti údajů |
S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
| Počet výskytů výsledku |
2 |
| Počet tvůrců celkem |
4 |
| Počet domácích tvůrců |
1 |
| Výčet všech uvedených jednotlivých tvůrců |
Dušan Húsek (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 2195119)
A. A. Frolov (státní příslušnost: RU - Ruská federace)
I. P. Muraviev (státní příslušnost: RU - Ruská federace)
A. M. Sirota (státní příslušnost: RU - Ruská federace) |
| Popis výsledku v anglickém 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. |
| Klíčová slova oddělená středníkem |
nonlinear binary factor analysis; feature extraction; recurrent neural network; Single-Step approximation; neurodynamics simulation; attraction basins; Hebbian learning; unsupervised learning; neuroscience; brain function modeling |
| Stránka www, na které se nachází výsledek |
- |
| Odkaz na údaje z výzkumu |
- |