Метод вычисления размещения протяженных связей в нейронных ассоциативных сетях с архитектурой «тесного мира»

Abstract

Неполносвязная нейронная ассоциативная сеть с архитектурой «тесного мира» обеспечивает лучшее ассоциативное восстановление данных, чем нейронная сеть с таким же количеством регулярно размещенных связей. При этом архитектура «тесного мира» сохраняет такие достоинства регулярной топологии, как локальный характер связей и их малую общую протяженность. В данной работе мы предлагаем модификацию построения архитектуры «тесного мира», учитывающую особенности нейронной ассоциативной памяти и, как следствие, позволяющую добиться дальнейшего улучшения ее ассоциативных свойств.

Неповнозв’язна нейронна асоціативна мережа з архітектурою «тісного світу» забезпечує краще асоціативне відновлення даних, ніж нейронна мережа з такою ж кількістю регулярно розміщених зв’язків. При цьому архітектура «тісного світу» зберігає такі переваги регулярної топології, як локальний характер зв’язків і їх малу сумарну довжину. В даній роботі ми пропонуємо модифікацію побудови архітектури «тісного світу» яка враховує особливості нейронної асоціативної пам’яті і, як наслідок, дозволяє досягти подальшого покращання її асоціативних якостей.

It is known that sparse associative neural network with a small-world architecture offers better associative recall quality than the neural network with the same amount of regularly located connections. Meanwhile the smallworld architecture preserves such attractive features of regular topology as local connectivity and small total connection length. In this paper we propose the modified approach for the construction of small-world architecture, which takes into account some peculiarities of the neural associative memories thus providing the further improvement of its properties.