Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 4 - Memoria Asociativa
Capítulo 4 - Memoria Asociativa
2 Memoria asociativa
En los computadores convencionales la mayor parte de la memoria es de acceso directo. En ellos, la
memoria se encuentra dividida en casillas, numeradas desde 0 al número de casillas presentes
menos uno, donde cada una almacena un retazo de información o ítem (un byte, normalmente).
El número de orden que se asigna a cada casilla se denomina dirección de memoria. Si queremos
recuperar un ítem, basta con direccionar la casilla donde ésta se encuentra almacenada, de ahí que
a este tipo de memoria la denominemos de acceso directo, pues accedemos directamente a un
contenido sólo con proporcionar su dirección.
0 1 2 3 4 5 6 7 8
En resumen, para recuperar un dato de la memoria de un computador se necesita conocer la dirección donde éste se
encuentra guardado, y si se produce un error en el almacenamiento, el contenido se verá modificado y sin posibilidad de
recuperar el original.
Por ello se dice que este esquema no es tolerante a fallos.
Las redes neuronales operan siguiendo este mismo esquema. Por ejemplo, un MLP implementa una memoria asociativa
de tipo hetero asociativo, al asociar un patrón de entrada con cierto patrón de salida diferente, en general.
El modelo de Hopfield toma el papel de una memoria de tipo auto asociativo, pues, en definitiva, está ideada para asociar
un patrón de entradas consigo mismo.
La red de Hopfield como memoria asociativa. Estados estables
Dado un conjunto de entradas binarias x(0) procedentes del exterior, la red de Hopfield proporciona una salida y(O), que
es a su vez empleada como nueva entrada de la red en un instante posterior x(1). Podemos interpretar este proceso
como que la red neuronal, inicialmente en el estado x(0) pasa a estar en el x(1).
En general, una red de Hopfield, en cada iteración t, pasa de un estado x(t) otro estado x(t+1). El proceso finalizará
cuando se alcance un estado estable o punto fijo de la red x*, es decir, un estado que cumpla la siguiente condición a
partir de un cierto t pues ello supondría que la salida de la red ya no cambia, es decir, que la red se ha estabilizado.
En ese momento podemos suponer que la red neuronal ha acabado de procesar el patrón original procedente del exterior
x(O), siendo x* la respuesta final que proporciona. Alternativamente, y siguiendo la analogía con la física, puede
demostrarse que en un estado estable el espín de cada neurona se encuentra alineado con su campo local, es decir:
4.2.3 Función de energía de la red
Supongamos el modelo original de Hopfield discreto [Hopfield 82], con neuronas tipo umbral de salida {0, 1} y dinámica
asíncrona, por la cual en cada iteración la neurona a la que le corresponde actualizar su estado según (4.5) es elegida
aleatoriamente. Supongamos que no existe realimentación de una neurona consigo misma, es decir, wii=O, o lo que es lo
mismo, la matriz sináptica es de diagonal nula.
Por construcción, la variación de esta energía es siempre menor o igual a cero (MIO), o lo que es lo mismo, en la operación
de la red su energía nunca crece.
Como la energía está limitada, la red siempre llegará a un estado de mínima energía, que será un mínimo local de la
energía de la red.
Este mínimo local se corresponderá con un estado estable, punto fijo o atractor.