Az Elman neurális hálózat a rekurrens hálózatok egyik fajtája , amelyet a Jordan hálózathoz hasonlóan egy többrétegű perceptronból kapunk visszacsatolás bevezetésével, csak a kapcsolatok nem a hálózat kimenetéből származnak, hanem a belső neuronok kimeneteiből. . Ez lehetővé teszi a megfigyelt folyamatok előtörténetének figyelembe vételét és az információk felhalmozását a helyes szabályozási stratégia kialakításához. Ezek a hálózatok objektumok mozgatására szolgáló vezérlőrendszerekben használhatók, mivel fő jellemzőjük a sorozatok memorizálása.
Az Elman hálózat alapján egy RAAM osztályú neurális hálózat épül fel, amely szerkezetében megismétli az Elman hálózatot. A RAAM (Recursive Auto Associative Memory ) egy 2N-N-2N kettős Elman-hálózat, amelyet információk tömörítésére és titkosítására használnak. A hálózati bemenetre 2N bites bitjel kerül. Általában a hálózat mérete 20-10-20, az első 10 bitet balra, a második 10 bitet jobbra. A legelején egy nulla bitvektor (0000000000) kerül a bal oldali mátrixba, egy karakter vagy mondatkód a jobb oldaliba (például 0010000000="A"). Ugyanez vonatkozik a kimeneti mátrixokra is . A hálózat képzése a backpropagation módszerrel történik. Ezután a rejtett réteg 10 bitje átkerül a bal oldali bemeneti mátrixba, és a következő karakter a jobb oldalira kerül. Az ilyen rekurzív tanulás során az információ tömörítésre és titkosításra kerül, amit Tom Vögtlen ültet át 2002 -ben Neural Networks and Self-Reference című munkájában .
| A mesterséges neurális hálózatok típusai | |
|---|---|
| |
| Gépi tanulás és adatbányászat | |
|---|---|
| Feladatok | |
| Tanulás tanárral | |
| klaszteranalízis | |
| Dimenziócsökkentés | |
| Strukturális előrejelzés | |
| Anomália észlelése | |
| Grafikon valószínűségi modellek | |
| Neurális hálózatok | |
| Megerősítő tanulás |
|
| Elmélet | |
| Folyóiratok és konferenciák |
|