СТОХАСТИЧНА ПСЕВДОСПІНОВА НЕЙРОННА МЕРЕЖА З ТРИДІАГОНАЛЬНИМИ СИНАПТИЧНИМИ ЗВ’ЯЗКАМИ

Jazyk: ukrajinština
Rok vydání: 2021
Předmět:
Zdroj: Radio Electronics, Computer Science, Control; No. 2 (2021): Radio Electronics, Computer Science, Control ; 114-122
Радиоэлектроника, информатика, управление; № 2 (2021): Радиоэлектроника, информатика, управление ; 114-122
Радіоелектроніка, iнформатика, управління; № 2 (2021): Радіоелектроніка, інформатика, управління ; 114-122
ISSN: 1607-3274
2313-688X
Popis: Context. To reduce the computational resource time in the problems of diagnosing and recognizing distorted images based on a fully connected stochastic pseudospin neural network, it becomes necessary to thin out synaptic connections between neurons, which is solved using the method of diagonalizing the matrix of synaptic connections without losing interaction between all neurons in the network. Objective. To create an architecture of a stochastic pseudo-spin neural network with diagonal synaptic connections without loosing the interaction between all the neurons in the layer to reduce its learning time. Method. The paper uses the Hausholder method, the method of compressing input images based on the diagonalization of the matrix of synaptic connections and the computer mathematics system MATLAB for converting a fully connected neural network into a tridiagonal form with hidden synaptic connections between all neurons. Results. We developed a model of a stochastic neural network architecture with sparse renormalized synaptic connections that take into account deleted synaptic connections. Based on the transformation of the synaptic connection matrix of a fully connected neural network into a Hessenberg matrix with tridiagonal synaptic connections, we proposed a renormalized local Hebb rule. Using the computer mathematics system “WolframMathematica 11.3”, we calculated, as a function of the number of neurons N, the relative tuning time of synaptic connections (per iteration) in a stochastic pseudospin neural network with a tridiagonal connection Matrix, relative to the tuning time of synaptic connections (per iteration) in a fully connected synaptic neural network. Conclusions. We found that with an increase in the number of neurons, the tuning time of synaptic connections (per iteration) in a stochastic pseudospin neural network with a tridiagonal connection Matrix, relative to the tuning time of synaptic connections (per iteration) in a fully connected synaptic neural network, decreases according to a hyperbolic law. Depending on the direction of pseudospin neurons, we proposed a classification of a renormalized neural network with a ferromagnetic structure, an antiferromagnetic structure, and a dipole glass.
Актуальность. Для сокращения времени вычислительного ресурса в задачах диагностирования и распознавания искаженных образов на основе полносвязной стохастической псевдоспиновой нейронной сети возникает необходимость прореживания синаптических связей между нейронами, которое решается с помощью метода диагонализации матрицы синаптических связей без потери взаимодействия между всеми нейронами в сети. Цель работы. Создание архитектуры стохастической псевдоспиновой нейросети с разреженными и диагональными синаптическими связями без потери взаимодействия между всеми нейронами в слое для уменьшения времени ее обучения. Метод. В статье используется метод Хаусхолдера, метод сжатия входных образов на основе диагонализации матрицы синаптических связей и система компьютерной математики MATLAB для приведения полносвязной нейросети к трехдиагональному виду со скрытыми синаптическими связями между всеми нейронами. Результаты. Разработана модель архитектуры стохастической нейросети с разреженными перенормированными синаптическими связями, которые учитывают изъятые синаптические связи. На основе преобразования матрицы синаптических связей полносвязной нейронной сети к матрице Гессенберга с трехдиагональными синаптическими связями предложено перенормированное локальное правило Хебба. С помощью системы компьютерной математики «WolframMathematica 11.3» рассчитано в зависимости от числа нейронов N относительное время настройки синаптических связей (за одну итерацию) в стохастической псевдоспиновой нейронной сети с трехдиагональной матрицей связей, относительно времени настройки синаптических связей (за одну итерацию) в полносвязной синаптической нейронной сети. Выводы. Установлено, что с увеличением числа нейронов время настройки синаптических связей (за одну итерацию) в стохастической псевдоспиновой нейронной сети с трехдиагональной матрицей связей, относительно времени настройки синаптических связей (за одну итерацию) в полносвязной синаптической нейронной сети, уменьшается за гиперболическим законом. В зависимости от направления псевдоспинов нейронов, предложена классификация перенормированной нейронной сети с ферромагнитной структурой, антиферромагнитной структурой и дипольным стеклом.
Актуальність. Для скорочення часу обчислювального ресурсу в задачах діагностування та розпізнавання спотворених образів на основі повнозв’язної стохастичної псевдоспінової нейронної мережі виникає необхідність прорідження синаптичних зв’язків між нейронами, що вирішується за допомогою методу діагоналізації матриці синаптичних зв’язків без втрати взаємодії між всіма нейронами в мережі. Мета роботи. Створення архітектури стохастичної псевдоспінової нейромережі з розрідженими та діагональними синаптичними зв’язками без втрати взаємодії між всіма нейронами в мережі для зменшення часу її навчання. Метод. У статті використовується метод Хаусхолдера, метод стиску вхідних образів на основі діагоналізації матриці синаптичних зв’язків та система комп’ютерної математики MATLAB для зведення повнозв’язної нейромережі до тридіагонального вигляду з прихованими синаптичними зв’язками між всіма нейронами. Результати. Розроблено модель архітектури стохастичної нейромережі з розрідженими перенормованими синаптичними зв’язками, які враховують вилучені синаптичні зв’язки. На основі перетворення матриці синаптичних зв’язків повнозв’язної нейронної мережі до матриці Гессенберга з тридіагональними синаптичними зв’язками запропоновано перенормоване локальне правило Хебба. За допомогою системи комп’ютерної математики «WolframMathematica 11.3» розраховано в залежності від числа нейронів N відносний час налаштування синаптичних зв’язків (за одну ітерацію) у стохастичній псевдоспіновій нейронній мережі з тридіагональною матрицею зв’язків, відносно часу налаштування синаптичних зв’язків (за одну ітерацію) у повнозв’язній синаптичній нейронній мережі. Висновки. Встановлено, що зі збільшенням числа нейронів час налаштування синаптичних зв’язків (за одну ітерацію) у стохастичній псевдоспіновій нейронній мережі з тридіагональною матрицею зв’язків, відносно часу налаштування синаптичнихзв’язків (за одну ітерацію) у повнозв’язній синаптичній нейронній мережі, зменшується за гіперболічним законом. В залежності від напрямку псевдоспінів нейронів, запропоновано класифікацію перенормованої нейронної мережі із феромагнітною структурою, антиферомагнітною структурою та дипольним склом.
Databáze: OpenAIRE
Externí odkaz: