HAL Id: jpa-00245683
https://hal.archives-ouvertes.fr/jpa-00245683
Submitted on 1 Jan 1987
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Information retrieval in neural networks. - I.
Eigenproblems in neural networks
A.D. Maruani, R.C. Chevallier, G.Y. Sirat
To cite this version:
A.D. Maruani, R.C. Chevallier, G.Y. Sirat. Information retrieval in neural networks. - I. Eigenprob-
lems in neural networks. Revue de Physique Appliquée, Société française de physique / EDP, 1987,
22 (10), pp.1321-1325. �10.1051/rphysap:0198700220100132100�. �jpa-00245683�
Information retrieval in neural networks.
I. Eigenproblems in neural networks
A. D. Maruani, R. C. Chevallier and G. Y. Sirat
Ecole Nationale Supérieure des Télécommunications, Groupe Optique des Matériaux, 46,
rueBarrault, 75634 Paris Cedex 13, France
(Reçu le 13 novembre 1986, révisé le 8 juillet 1987, accepté le 9 juillet 1987)
Résumé.
2014Nous étudions le problème des vecteurs propres et des valeurs propres de la matrice synaptique correspondant
aumodèle d’Hopfield. Nous montrons
enparticulier que les vecteurs propres
selaissent ranger
en
deux sous-espaces orthogonaux : le premier espace est celui des mémoires prototypes ; la dispersion des
valeurs propres correspondantes autour de leur valeur moyenne donne
une mesurede l’orthogonalité de
cesprototypes. Le second espace est quant à lui totalement dégénéré. En outre,
nousmontrons
unesimilitude
entre l’algorithme de mémoire associative et l’algorithme d’orthonormalisation de Gram-Schmidt. A partir de
ces
résultats,
nousdéveloppons
unmodèle de matrice synaptique dont nous évaluons numériquement les performances
enles comparant à celles d’un processeur d’Hopfield fonctionnant dans les mêmes conditions.
Abstract.
2014Consideration of the eigenproblem of the synaptic matrix in Hopfield’s model of neural networks suggests to introduce
amatrix built up from
anorthogonal set, orthogonal to the original memories. With this
new