Como nuevo tipo de modelo de red neuronal artificial, el HTM se ha convertido en el centro de la investigación y la aplicación actuales. La representación distribuida dispersa es la base del modelo HTM, pero los algoritmos de aprendizaje de pool espacial existentes tienen una elevada sobrecarga de tiempo de entrenamiento y pueden hacer que el pool espacial se vuelva inestable. Para superar estas desventajas, proponemos un algoritmo de aprendizaje de pool espacial rápido de HTM basado en la nominación de minicolumnas, en el que las minicolumnas se seleccionan según la capacidad de carga y las sinapsis se ajustan mediante codificación comprimida. Hemos implementado el prototipo del algoritmo y hemos realizado experimentos con tres conjuntos de datos. Se comprueba que la sobrecarga de tiempo de entrenamiento del algoritmo propuesto casi no se ve afectada por la longitud de la codificación, y el pool espacial se estabiliza tras menos iteraciones de entrenamiento. Además, el entrenamiento de la nueva entrada no afecta a los resultados ya entrenados.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Simulación del espectro de código y del flujo de código de las redes neuronales cultivadas
Artículo:
Desarrollo de un modelo computacional para la evaluación mecánica y funcional de la articulación trapecio metacarpiana
Artículo:
Simulación de un nuevo interruptor de contacto NEMS mediante MRTD con pasos modificables
Artículo:
Modelización y experimentación de un sistema de navegación para un robot quirúrgico cráneo-maxilofacial
Artículo:
Análisis de la estrategia de desarrollo de la agricultura ecológica basada en una red neuronal en la economía medioambiental
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Tesis:
Materiales y prácticas de construcción sostenible
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060