人工神经网络--存储与映射

人工神经网络是用来处理信息的，可以认为，所有的信息都是以模式的形式出现的。输入向量是模式，输出向量是模式，同层的神经元在某一时刻的状态是模式，所有的神经元在某一时刻的状态是模式，网络中任意层的权矩阵、权矩阵所含的向量都是模式。在循环网络中，所有的神经元的状态沿时间轴展开，这就形成一个模式系列。在人工神经网络上，有两种类型的漠视：空间模式（Spatial Model）和时空模式（Spatialtemporal Model）。网络所有的神经元在某一时刻的状态所确定的网络在该时刻的状态叫做空间模式；以时间维为轴展开的空间模式系列叫做时空模式。

按照信息的存放与提取的方式的不同，空间模式共有三种存储类型。

1、  RAM方式：RAM方式即随机访问方式（Random Access Memory）。这种方式就是现有的计算机中的数据访问方式，这种方式需要按地址去存取数据，即将地址映射到数据。

2、  CAM方式：内容寻址方式（Content Addressable Memory）。在这种方式下，数据自动地找到它的存放位置。也就是将数据变换成它应存放的位置，并执行相应的存储。

3、  AM方式：相联存储方式（Associative Memory）。这种方式是数据到数据的直接转换。在人工神经网络的正常工作阶段，输入模式（向量）经过网络的处理，被转换成输出模式（向量）。这种方式是将数据映射到数据。

输入向量与输出向量的对应关系也是很重要的一个问题。和模式完善相对应，人工神经网络可以实现还原型映射。如果此时训练网络的样本集为向量集合：

{A₁，A₂，…，A_n}

在理想情况下，该网络在完成训练后，其权矩阵存放的将是上式所给的向量集合。此时网络实现的是自相联（Auto-associative）映射。

人工神经网络还可以实现变换型和分类型映射。如果此时训练网络的样本集为向量对组成的集合：

{（A₁，B₁），（A₂，B₂），…，（A_n，B_n）}

则在理想情况下，该网络在完成训练后，其权矩阵存放的将是上式所给的向量集合所蕴含的对应关系，也就是输入向量Ai与输出向量Bi的对应关系。此时网络实现的映射是异相联（Hetero-associative）映射