4 - Une nouvelle approche pour les réseaux de neurones: la représentation scalaire distribuée

Show full item record

Files in this item

PDF 004.PDF TEXTE.pdf 1.066Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/1817
Title: 4 - Une nouvelle approche pour les réseaux de neurones: la représentation scalaire distribuée
Author: BUREL (G.)
Abstract: Les réseaux de neurones sont actuellement d'usage courant en traitement du signal et de l'image. Nous proposons un nouveau modèle de neurone qui utilise un codage particulier de sa sortie que nous nommerons «Représentation Scalaire Distribuée» (RSD). Cette représentation repose sur l'idée de représenter la sortie d'un neurone par une fonction et non par un scalaire. Nous montrons que la RSD induit un comportement non linéaire des connexions entre neurones. La RSD est décrite dans toute sa généralité, puis particularisée pour sa mise en œuvre pratique. Nous considérons notamment la mise en œuvre de la RSD dans un réseau de neurones de type Perceptron Multi-Couches, et nous proposons un algorithme d'apprentissage
Description: Nowadays, neural networks are largely used in signal and image processing . We propose a new neuron model that uses a special coding for its output, which we will call « Scalar Distributed Representation (SDR) . This representation is hased on the idea of representing the neurones output by a function, and not only hy a scalar . We show that SDR produces a non-linear behaviour of connections between neurons . The SDR is described in general and then adapted on practical considerations. We consider the use of SDR for a Multi-Layer Perceptror and we propose a learning algorithm .Finally, we validate the model on two applications : dimensionality reduction, and prediction . In both cases, an important benefit is obtained over the classical model .
Subject: Compression signal; Traitement signal; Traitement image; Algorithme; Modélisation; Réseau neuronal; Apprentissage; Représentation
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 1993

This item appears in the following Collection(s)

Show full item record





Advanced Search