人工神經網絡--存儲與映射

人工神經網絡是用來處理信息的，可以認爲，所有的信息都是以模式的形式出現的。輸入向量是模式，輸出向量是模式，同層的神經元在某一時刻的狀態是模式，所有的神經元在某一時刻的狀態是模式，網絡中任意層的權矩陣、權矩陣所含的向量都是模式。在循環網絡中，所有的神經元的狀態沿時間軸展開，這就形成一個模式系列。在人工神經網絡上，有兩種類型的漠視：空間模式（Spatial Model）和時空模式（Spatialtemporal Model）。網絡所有的神經元在某一時刻的狀態所確定的網絡在該時刻的狀態叫做空間模式；以時間維爲軸展開的空間模式系列叫做時空模式。

按照信息的存放與提取的方式的不同，空間模式共有三種存儲類型。

1、  RAM方式：RAM方式即隨機訪問方式（Random Access Memory）。這種方式就是現有的計算機中的數據訪問方式，這種方式需要按地址去存取數據，即將地址映射到數據。

2、  CAM方式：內容尋址方式（Content Addressable Memory）。在這種方式下，數據自動地找到它的存放位置。也就是將數據變換成它應存放的位置，並執行相應的存儲。

3、  AM方式：相聯存儲方式（Associative Memory）。這種方式是數據到數據的直接轉換。在人工神經網絡的正常工作階段，輸入模式（向量）經過網絡的處理，被轉換成輸出模式（向量）。這種方式是將數據映射到數據。

輸入向量與輸出向量的對應關係也是很重要的一個問題。和模式完善相對應，人工神經網絡可以實現還原型映射。如果此時訓練網絡的樣本集爲向量集合：

{A₁，A₂，…，A_n}

在理想情況下，該網絡在完成訓練後，其權矩陣存放的將是上式所給的向量集合。此時網絡實現的是自相聯（Auto-associative）映射。

人工神經網絡還可以實現變換型和分類型映射。如果此時訓練網絡的樣本集爲向量對組成的集合：

{（A₁，B₁），（A₂，B₂），…，（A_n，B_n）}

則在理想情況下，該網絡在完成訓練後，其權矩陣存放的將是上式所給的向量集合所蘊含的對應關係，也就是輸入向量Ai與輸出向量Bi的對應關係。此時網絡實現的映射是異相聯（Hetero-associative）映射