Oszillatoren, Neuronale Netze, nichtlinear, Elektronik
TUM classification:
CHE 100d; PHY 000d
Abstract:
Uncertain recognition success, unfavorable scaling of connection complexity, or dependence on complex external input impair current oscillatory neural networks for pattern recognition. We present a network architecture of coupled oscillators for pattern recognition with none of the mentioned flaws. Possible output patterns are isolated attractors of the system and simple criteria for recognition success are derived from the basins of attraction. These predictions were experimentally validated with a custom-built network of electronic Van der Pol oscillators and recognition times were determined as a function of several network parameters.
«
Uncertain recognition success, unfavorable scaling of connection complexity, or dependence on complex external input impair current oscillatory neural networks for pattern recognition. We present a network architecture of coupled oscillators for pattern recognition with none of the mentioned flaws. Possible output patterns are isolated attractors of the system and simple criteria for recognition success are derived from the basins of attraction. These predictions were experimentally validated wi...
»
Translated abstract:
Bisherige Netzwerke aus Oszillatoren, die zur Mustererkennung genutzt werden sollen, weisen nicht vernachlässigbare Fehlerraten auf, skalieren ungünstig oder benötigen komplexe zeitabhängige Signale, die außerhalb des Netzwerks erzeugt werden müssen. Diese Arbeit stellt eine Netzwerkarchitektur vor, welche keinen der oben genannten Nachteile zeigt. Mögliche Ausgabemuster sind isolierte Attraktoren des Systems und einfache Kriterien für den Erfolg eines Erkennungsprozesses werden hergeleitet. Eine Implementierung des Netzwerks mit elektronischen Van der Pol-Oszillatoren ermöglichte die Verifikation der theoretischen Vorhersagen und Messungen der Erkennungszeiten.
«
Bisherige Netzwerke aus Oszillatoren, die zur Mustererkennung genutzt werden sollen, weisen nicht vernachlässigbare Fehlerraten auf, skalieren ungünstig oder benötigen komplexe zeitabhängige Signale, die außerhalb des Netzwerks erzeugt werden müssen. Diese Arbeit stellt eine Netzwerkarchitektur vor, welche keinen der oben genannten Nachteile zeigt. Mögliche Ausgabemuster sind isolierte Attraktoren des Systems und einfache Kriterien für den Erfolg eines Erkennungsprozesses werden hergeleitet. Ei...
»