0105199 - UIVT-O 20040190 RIV DE eng C - Konferenční příspěvek (zahraniční konf.)
Frolov, A. A. - Húsek, Dušan - Polyakov, P.Y. - Řezanková, H. - Snášel, Václav
Binary Factorization of Textual Data by Hopfield-Like Neural Network.
[Binární faktorizace textových dat pomocí neuronové sítě Hopfieldova typu.]
COMPSTAT Proceedings in Computational Statistics. Heidelberg: Physica-Verlag, 2004 - (Antoch, J.), s. 1035-1041. ISBN 978-3-7908-1554-2.
[COMPSTAT 2004. Symposium /16./. Prague (CZ), 23.08.2004-27.08.2004]
Grant CEP: GA MŠMT LN00B096
Klíčová slova: neural networks * binary factorization * application
Kód oboru RIV: BA - Obecná matematika

We suggest a procedure of binary factorization of signals of large dimensional complexity. The procedure is based on the search of attractors in Hopfield-like associative memory. Starting from random initial state, network activity stabilizes in some attractor which corresponds to one of factors 9a true attractor0 or one of spurious attractors. Separation of true and spurious attractors is based on calculation of their Lyapunov function. Being applied to textual data the procedure showes sensitivity to the context in which the words are used.

Navrhována je procedura binární faktorizace signálů velké dimenze. Procedura je založena na vyhledávání atraktorů v neuronové asociativní paměti Hopfieldova typu. Dynamika sítě zajistí, že systém, který se z počátku nalézá v náhodně vybraném stavu, se stabilizuje v jednom z atraktorů, který odpovídá buď faktoru (pravý atraktor) nebo v jednom z lživých atraktorů (nepravý atraktor). Separace faktorů pravých a nepravých je založena na výpočtu průběhu Lyapunovovy funkce v procesu dynamiky sítě. Aplikace na textová data experimentálně ukázala citlivost ke kontextu, ve kterém se slova nacházejí.
Trvalý link: http://hdl.handle.net/11104/0012446