선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서. 그 방법을 단기기억 이론에서 찾고자 하였다. 단기기억은 인지 과제를 수행할 때 잠시 정보를 유지하고 조작하는 체계적인 작업기억의 구실을 한다고 가정된다.
- 알려져 있다[1][2][17]. 본 논문에서는 ART 신경회로망의 증가분류 알고리즘 문제 극복에 유용한 것으로 가정된 단기기억을 살펴보며 그 내용은 다음과 같다. 단기기억은 뇌가 사고활동을 하는 동안의 내용으로서 약 30초 내지 수 분 동안 잊혀지지 않고 기억되는 것을 말한다.
- 본 연구에서는 인간의 인식과 연상에 관한 과정을 신경회로망을 통해 구현하여 ART 신경회로망의 성능을 개선하였다. 그러나 Hopfield 신경회로망의 경우, 그 효용성은 어느정도 입증되었으나 경우 닮은 부분, 즉 직교성이 낮은 패턴의 경우 유사도를 제한하거나 조정할 수 있는 연구가 추후 이루어져야 하며, 또한 각 신경회로망 간의 변환 문제나 통합 부분에 대해서는 더 많은 연구가 필요하다.
- 그리고 하나의 패턴이 신경회로망에 제공될 때마다 하나의 상태벡터가 발생된다. 신경회로망에 기억되는 견본패턴에 대응하는 신경회로망의 에너지상태가 최소가 되도록 학습시키고자 한다. m개의 훈련 벡터들의 주어진 집합 Ap를 신경망에 기억시키려면 훈련 방정식인 식(1), (2), (3)을 이용한다.
가설 설정
- 그 방법을 단기기억 이론에서 찾고자 하였다. 단기기억은 인지 과제를 수행할 때 잠시 정보를 유지하고 조작하는 체계적인 작업기억의 구실을 한다고 가정된다. 이 경우 가장 핵심적인 역할을 하는 뇌 부위는 변연계를 구성하는 구조물의 하나인 해마(hippocampus)이다.
- 라고 했을 때 P0, P1, P2, P3, P4, P5, P6, P7의 순서로 입력된다고 가정하자. 경계인수가 0.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.