Détail de la notice
Titre du Document
The Kernel Hopfield memory network
Auteur(s)
GARCIA Cristina ; MORENO José Ali ; Sloot Peter M.A. (Editeur scientifique) ; ...
Résumé
The kernel theory drawn from the work on learning machines is applied to the Hopfield neural network. This provides a new insight into the workings of the neural network as associative memory. The kernel trick defines an embedding of memory patterns into (higher or infinite dimensional) memory feature vectors and the training of the network is carried out in this feature space. The generalization of the network by using the kernel theory improves its performance in three aspects. First, an adequate kernel selection enables the satisfaction of the condition that any set of memory patterns be attractors of the network dynamics. Second, the basins of attraction of the memory patterns are enhanced improving the recall capacity. Third, since the memory patterns are mapped into a higher dimensional feature space the memory capacity density is effectively increased. These aspects are experimentally demonstrated on sets of random memory patterns.
Editeur
Springer
Type du document
Conférence : ACRI 2004 : international conference on cellular automata for research and industry, 6, Amsterdam, NLD, 2004-10-25
Identifiant
ISSN : 0302-9743 ISBN : 3-540-23596-5
Source
Lecture notes in computer science A. 2004, vol. 3305, pp. 755-764 [10 pages] [bibl. : 12 ref.]
Langue
Anglais
Pour les membres de la communauté du CNRS, ce document est autorisé à la reproduction à titre gratuit.
Pour les membres des communautés hors CNRS, la reproduction de ce document à titre onéreux sera fournie sous réserve d’autorisation du Centre Français d’exploitation du droit de Copie.

Pour bénéficier de nos services (strictement destinés aux membres de la communauté CNRS (Centre National de la Recherche Scientifique), de l'ESR français (Enseignement Supérieur et Recherche), et du secteur public français & étranger) :