Fulltext

Improved Feature Extraction Using Weightless Neural Networks(IWNC)

Ikhlas Watan Ghindawi

Journal Of AL-Turath University College مجلة كلية التراث الجامعة
ISSN: 20745621 Year: 2012 Issue: 12 Pages: 244-253
Publisher: Heritage College كلية التراث الجامعة

Abstract

The weightless neural classifier (WNC) is based on the collective response of RAM-based neurons. The ability of producing prototypes, analog to unconstrained images, from learned categories, was first introduced in the (IWNC) model. By counting the frequency of write accesses at each RAM neuron during the training phase, it is possible to associate the most accessed addresses to the corresponding input field contents that defined them. This work is about extracting information from such frequency counting in the form of fuzzy rules as an alternative way to describe the same images produced by (IWNC) as logical prototypes.

المصنف العصبي العديم الوزن ( اللاموزون ) يعتمد على الاستجابة المشتركة للاعصاب المعتمدة على ذاكرة الوصول العشوائي ( الذاكرة المؤقتة) . ان امكانية انتاج نماذج اولية تناضرية للصور غير المقيدة من تصانيف معلومة قد تم تقديمها بنموذج تحسين ميزة الاستخراج باستخدام الشبكات العصبية اللاموزونة ( عديمة بحساب تردد الكتابة على كل ذاكرة وصول عشوائية خلال طور التدريب . بالامكان ربط معظم عناوين الوصول مع محتويات مجال الادخال المناضرة . هذا البحث حول استخراج معلومات من قياسات التردد بشكل قواعد غامضة كطريقة بديلة لوصف نفس الصور المنتجة بواسطة تحسين ميزة الاستخراج باستخدام الشبكات العصبية اللاموزونة ( عديمة الوزن ) كنموذج اولي منطقي .

Keywords

Weightless --- Neural --- Networks --- IWNC