Heb相关解码 其中C=X,X=X,X=c#这里Y,为 信号矢量而y,为噪声矢量。℃为校正 系数，使每个cY,尽可能从符号上接 近于Y,。把Y:或其它靠近的矢量Y通 过M,校正性质依然成立。 用神经元网络从有代表性的训练样本中 估计连续函数f时，有一个连续的假设。 2023/7/9 16
2023/7/9 16 Heb相关解码 其中 这里 为 信号矢量而 为噪声矢量。 为校正 系数，使每个 尽可能从符号上接 近于 。把 或其它靠近的矢量Y通 过 ，校正性质依然成立。 用神经元网络从有代表性的训练样本中 估计连续函数f时，有一个连续的假设。 T T ij i j j i ji c X X X X c = = = Yi Yj cij c Yij j Yj Yi T M
Heb相关解码 假定异联想样本(X,)从连续函数f上取 样，那么输入的微小变化必然引起输 出的微小变化 Cy =X XI =相同的比特数-不同的比特数 =n-H(4,4)小-H(A-A) =n-2HA,-A) (154) 2023/7/9 17
2023/7/9 17 Heb相关解码 假定异联想样本 从连续函数f上取 样，那么输入的微小变化必然引起输 出的微小变化。 相同的比特数-不同的比特数 （154） ( X Yi i , ) T c X X ij i j = = n H A A H A A ( i j i j , ) ( ) = − − − = − − n H A A 2 ( i j)
Heb相关解码 若两个二值矢量A和A靠近，相同的比 特数大于不同的比特数，那么C)>0。 极端情况下Y,=Y,,C,=n ● H4,4)=n/2时，Cg=0, 校正系数将度 量上含糊不清的矢量丢弃掉，不参与求 和。 A,与A相差较远，C,<0。极端情沉 下cy=-n,则cy,=-nY,=nY 2023/7/9 18
2023/7/9 18 Heb相关解码 • 若两个二值矢量 和 靠近 ，相同的比 特数大于不同的比特数，那么 。 极端情况下 ， 。 • 时， ，校正系数将度 量上含糊不清的矢量丢弃掉，不参与求 和。 • 与 相差较远， 。极端情况 下 ，则 。 Ai Aj cij 0 Y Y j i = ij c n = H A A n ( i j , / 2 ) = cij = 0 Ai Aj cij 0 ij c n = − ij j j i c Y nY nY = − =
Heb相关解码 Heb编码步骤： 1把二值矢量A变为双极矢量X,； 2对邻接的相关编码联想求和 T=XMX+∑XXH 若TAM假设成立H(A,A)≈H(A1,A,) 则对同步的TAM输入X,把激励同步阈值化为 信号，就产生了X+1: X,T=nX41+∑cXj1→X≈XH j≠i 2023/7/9 19
2023/7/9 19 Heb相关解码 ◼ Heb编码步骤： 1 把二值矢量 变为双极矢量 ； 2 对邻接的相关编码联想求和 若TAM假设成立 则对同步的TAM输入 ，把激励同步阈值化为 信号，就产生了 ： Ai Xi 1 1 1 m T T m i j i T X X X X − = + + H A A H A A ( i j i j , , ) ( + + 1 1 ) Xi+1 i i ij j i 1 1 1 j i X T nX c X X X + + + = + → Xi
Heb相关解码 ■Heb编码步骤（例证）： 一个三步极限环A→A,→A→A 位矢量：A=(1010) A=(1100) 4=(1001) 将位矢量转换成二极矢量 2023/7/9 20
2023/7/9 20 Heb相关解码 ◼ Heb编码步骤（例证）： 一个三步极限环 位矢量： 将位矢量转换成二极矢量 A A A A 1 2 3 1 → → → A1 = (1 0 1 0) A2 = (1 1 0 0) A3 = (1 0 0 1)