Векторные модели ассоциативной памяти

Модель Хопфилда позволяет эффективно запомнить сравнительно небольшое число исходных образов – порядка 15% от размера нейронной сети. Существенно превзойти этот показатель удается только в Поттс-стекольной модели ассоциативной памяти, где нейроны могут находиться в большем чем два числе состояний. Показано, что еще большей емкостью памяти обладает параметрическая нейронная сеть (ПНС), реализующая нелинейно-оптические принципы передачи и обработки сигналов. Развит формализм, позволяющий единым образом описывать как Поттс-стекольную ассоциативную память, так и ПНС. Для оценки емкости памяти используется статистическая техника Чебышева – Чернова.