Bidirektionaler Assoziativspeicher

Bidirektionaler Assoziativspeicher, englisch bidirectional associative memory (kurz: BAM), ist eine Klasse künstlicher neuronaler Netze und kann als verallgemeinertes Hopfield-Netz betrachtet werden. BAM gehört zu der Gruppe der rückgekoppelten neuronalen Netze.

Inhaltsverzeichnis

Struktur

Ein BAM-Netz besteht aus einer Eingabeschicht I von n und einer Ausgabeschicht O von m künstlichen Neuronen, beide Schichten sind in beide Richtungen miteinander verbunden, wobei die Gewichte symmetrisch sind. Das führt zu einer m x n Matrix W für die Gewichte, die von I nach O gerichtet sind. Die Gewichte von O nach I entsprechen der transponierten Matrix WT.

Trainingsphase

In der Trainingsphase lernt das Netz einen n-dimensionalen Vektor x mit einem m-dimensionalen Vektor y zu verknüpfen. Dazu werden beide Vektoren an der Eingabeschicht I und Ausgabeschicht O angelegt und die Gewichtsmatrix kann in einem Lernschritt berechnet werden. Dazu gilt:

Wk = xyT k={1,...,l} für l Vektorpaare

Zum Schluss werden alle Gewichtsmatrizen zur resultierenden Gewichtsmatrix W addiert.

Muster Wiederherstellen

Bei einem Recall wird ein verrauschter Eingangsvektor an I angelegt und man lässt das Netz einfach rechnen, d.h. Neuronen der Ausgangsschicht berechnen ihren neuen Zustand über neti und geben diesen über oj wieder an I weiter. Dann beginnt der Prozess von vorn, solange bis die stetig sinkende Energie des Netzes ein lokales Minimum erreicht hat. Nun kann der assoziierte Ausgabevektor entnommen werden.


net_i = \sum_{j=1}^n w_{ij} o_i
und

o_i(t+1) = \begin{cases} 1, & {wenn \sum_{i=1}^n w_{ij} o_j(t) > 0} \\ 0, & {wenn \sum_{i=1}^n w_{ij} o_j(t) < 0} \\ o_i(t), & {wenn \sum_{i=1}^n w_{ij} o_j(t) = 0} \end{cases}

Literatur

  • Gerhard Schöneburg, Nikolaus Hansen, Andreas Gawelczyk, Neuronale Netze, Markt&Technik Verlag Haar(1990), ISBN 3-89090-329-0.
  • Andreas Zell, Simulation neuronaler Netze, R. Oldenbourg Verlag München(1997), ISBN 3-486-24350-0.

Wikimedia Foundation.

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Bidirectional Associated Memory — Bidirektionaler Assoziativspeicher, englisch bidirectional associative memory (kurz: BAM), ist eine Klasse künstlicher neuronaler Netze und kann als verallgemeinertes Hopfield Netz betrachtet werden. BAM gehört zu der Gruppe der rückgekoppelten… …   Deutsch Wikipedia

  • BAM — steht für: Bam (Iran), eine iranische Stadt Bam (Insel), eine Insel von Papua Neuguinea Bam Margera, Skateboarder und Schauspieler BAM steht für: BAM Portal, ein Online Recherche Seite über deutsche Bibliotheken, Archive und Museen BAM… …   Deutsch Wikipedia

  • BaM — steht für: Bam (Iran), eine iranische Stadt Bam (Insel), eine Insel von Papua Neuguinea Bam Margera, Skateboarder und Schauspieler BAM steht für: BAM Portal, ein Online Recherche Seite über deutsche Bibliotheken, Archive und Museen BAM… …   Deutsch Wikipedia

  • Künstliche neuronale Netze — (kurz: KNN, engl. artificial neural network – ANN) sind Netze aus künstlichen Neuronen. Sie sind ein Zweig der künstlichen Intelligenz und prinzipieller Forschungsgegenstand der Neuroinformatik. Der Ursprung der künstlichen neuronalen Netze liegt …   Deutsch Wikipedia

  • Künstliche neuronale Netzwerke — Künstliche neuronale Netze (kurz: KNN, engl. artificial neural network – ANN) sind Netze aus künstlichen Neuronen. Sie sind ein Zweig der künstlichen Intelligenz und prinzipieller Forschungsgegenstand der Neuroinformatik. Der Ursprung der… …   Deutsch Wikipedia

  • Bam — steht für: Bam (Iran), eine iranische Stadt Bam (Burkina Faso), Provinz in der Region Centre Nord Bam (Gemeinde Stuhlfelden), Ortschaft in der Gemeinde Stuhlfelden, Bezirk Zell am See, Salzburg Bam (Insel), eine Insel von Papua Neuguinea BAM… …   Deutsch Wikipedia

  • Künstliches neuronales Netz — Künstliche neuronale Netze (selten auch künstliche neuronale Netzwerke, kurz: KNN, engl. artificial neural network – ANN) sind Netze aus künstlichen Neuronen. Sie sind ein Zweig der künstlichen Intelligenz und prinzipieller Forschungsgegenstand… …   Deutsch Wikipedia

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”