java - 模拟计算机内存的神经网络(与 Jeff Heaton 的 Encog)

Question

我想用 jeff heaton 的 encog 神经网络库模拟计算机内存。我只是不知道使用什么方法。

我的要求是，有一个内存位置和一个值的字节集合。

location [0000]:byte-data[0101010]
location [0001]:byte-data[0101010]

这些是我传递给神经网络系统的值。

我试图避免每次内存数据发生变化时都重新训练神经网络。但也许这就是我需要做的。

你会使用什么神经网络技术来完成我想要做的事情？

Answer 1

您尝试做的不是问题，神经网络真的很擅长，因为它们更擅长泛化模式，而不是学习它们。但是，您可以使用概率神经网络或常规感知来完成此操作。你对你的问题有点含糊，所以我不得不对我的回答含糊其辞。我假设您的意思是传入内存数据，然后将其“分类”到内存地址。这样，当您使用监督训练方法训练网络时，您将能够传入与现有项目相似或相同的内存数据，网络将为您提供地址。我想你也可以反过来做同样的事情。

如果您使用概率神经网络，您基本上会学习传递给网络的每一个模式。当然，每次你想要存储一个新的内存地址时，你都会向网络添加一个新节点，这会使事情变得有点低效。已完成减少此问题的工作，for example, this paper (您必须自己实现算法)。也许这种类型的网络在准确“记住”内存方面最可靠，同时仍然能够概括结果(使用概率)。缺点是它会占用大量内存。

传统的前馈、反向传播网络(感知器)也应该允许你做这样的事情。但是，您必须小心创建足够的隐藏节点，以允许网络正确调用所有输入值。这样做当然会导致过度拟合，但听起来您不想泛化您的输入数据，您希望更好地记忆模式。

要解决学习新数据的问题，您只需要让您的网络能够随着时间的推移学习，而不是学习一次。您必须对此进行更多研究，但您需要使用某种在线学习算法。

总之，不要使用神经网络，使用其他类型的算法 :p