دانلود مقاله ISI انگلیسی شماره 118807
ترجمه فارسی عنوان مقاله

شبکه هاپفیلد به عنوان یک مدل یادگیری گروهی مبتنی بر نمونه اولیه: یک روش برای تشخیص جذب های آموزش دیده، جعلی و نمونه اولیه

عنوان انگلیسی
Hopfield networks as a model of prototype-based category learning: A method to distinguish trained, spurious, and prototypical attractors
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
118807 2017 9 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6396 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 12 روز بعد از پرداخت 115,128 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 6 روز بعد از پرداخت 230,256 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Neural Networks, Volume 91, July 2017, Pages 76-84

ترجمه کلمات کلیدی
تئوری نمونه اولیه، شناخت، جاذبه های جذاب،
کلمات کلیدی انگلیسی
Prototype theory; Cognition; Spurious attractors;
پیش نمایش مقاله
پیش نمایش مقاله شبکه هاپفیلد به عنوان یک مدل یادگیری گروهی مبتنی بر نمونه اولیه: یک روش برای تشخیص جذب های آموزش دیده، جعلی و نمونه اولیه

چکیده انگلیسی

We present an investigation of the potential use of Hopfield networks to learn neurally plausible, distributed representations of category prototypes. Hopfield networks are dynamical models of autoassociative memory which learn to recreate a set of input states from any given starting state. These networks, however, will almost always learn states which were not presented during training, so called spurious states. Historically, spurious states have been an undesirable side-effect of training a Hopfield network and there has been much research into detecting and discarding these unwanted states. However, we suggest that some of these states may represent useful information, namely states which represent prototypes of the categories instantiated in the network’s training data. It would be desirable for a memory system trained on multiple instance tokens of a category to extract a representation of the category prototype. We present an investigation showing that Hopfield networks are in fact capable of learning category prototypes as strong, stable, attractors without being explicitly trained on them. We also expand on previous research into the detection of spurious states in order to show that it is possible to distinguish between trained, spurious, and prototypical attractors.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6396 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 12 روز بعد از پرداخت 115,128 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 6 روز بعد از پرداخت 230,256 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.