使用神经网络存储和回忆彩色图像——基于联想记忆机制的线索球模型

本文提出了一种使用 Cue BallRecall Net 系统 [1,2,3,4,5] 存储和回忆不同尺寸彩色图像的神经网络模型。Cue Ball 系统由一个 Recall Net 组成，该网络由多个记忆神经元（每个负责记忆一个单一且不同的记忆）和大量表示图像模式的神经元构成。本研究使用的图像 [6] 由十张图像组成（见附录）。这些图像的像素值被转换为数字值并用于后续处理。相应地，Cue Ball 包含十个 Cue 神经元，对应存储在记忆中的十张图像。各图像的像素数不同，因此构成 Recall Net 的 Recall 神经元数量也相应不同。在本研究中，根据每张图像的像素数，Recall 神经元的数量准备在 106,134 到 360,000 之间。在本模拟中，在连接权重（wjip、vijp）学习完成后，我们使用学习和回忆算法来研究：当呈现一张已记忆的图像时，Recall Net 能否识别出记忆了该特定图像的 Cue 神经元。因此，最重要的模拟结果是：当一张已记忆的图像呈现给 Recall Net 时，哪个 Cue 神经元会响应。如果记忆了所呈现图像的 Cue 神经元响应，其输出可用于获取相应的图像数据。通过在所得图像数据中添加 BMP 文件头，可以准确回忆出原始记忆的图像。

中文由 AI 翻译，仅供参考，以原文为准。