This HTML5 document contains 47 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dctermshttp://purl.org/dc/terms/
n15http://linked.opendata.cz/resource/domain/vavai/projekt/
n10http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n13http://linked.opendata.cz/ontology/domain/vavai/
n17http://linked.opendata.cz/resource/domain/vavai/zamer/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n16http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F67985807%3A_____%2F06%3A00075882%21RIV07-AV0-67985807/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n7http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n4http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n12http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n8http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n18http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n9http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n11http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F67985807%3A_____%2F06%3A00075882%21RIV07-AV0-67985807
rdf:type
skos:Concept n13:Vysledek
dcterms:description
Times of searching for similar binary vectors in neural-net and traditional associative memories are investigated and compared. The neural-net approach is demonstrated to surpass the traditional ones even if it is implemented on a serial computer when the entropy of a space of signals is of order of several hundreds and the number of stored vectors is vastly larger than the entropy. Jsou odvozeny formule pro aproximaci doby vyhledávání pomocí tradiční a neuronové asociativní paměti. Je ukázáno, že přístup založený na neuronové síti překonává přístup tradiční, dokonce i když je neuronový model implementován na Von Neumanovském počítači,a to v případě, že entropie prostoru signálů se pohybuje řádově ve stovkách a počet uložených vektorů je mnohem větší než entropie. Times of searching for similar binary vectors in neural-net and traditional associative memories are investigated and compared. The neural-net approach is demonstrated to surpass the traditional ones even if it is implemented on a serial computer when the entropy of a space of signals is of order of several hundreds and the number of stored vectors is vastly larger than the entropy.
dcterms:title
Časová charakteristika vyhledávání podobných binárních vektorů v asociativní paměti Time Searching for Similar Binary Vectors in Associative Memory Time Searching for Similar Binary Vectors in Associative Memory
skos:prefLabel
Časová charakteristika vyhledávání podobných binárních vektorů v asociativní paměti Time Searching for Similar Binary Vectors in Associative Memory Time Searching for Similar Binary Vectors in Associative Memory
skos:notation
RIV/67985807:_____/06:00075882!RIV07-AV0-67985807
n3:strany
615;623
n3:aktivita
n8:Z n8:P
n3:aktivity
P(1M0567), Z(AV0Z10300504)
n3:cisloPeriodika
5
n3:dodaniDat
n11:2007
n3:domaciTvurceVysledku
n10:2195119
n3:druhVysledku
n18:J
n3:duvernostUdaju
n4:S
n3:entitaPredkladatele
n16:predkladatel
n3:idSjednocenehoVysledku
503901
n3:idVysledku
RIV/67985807:_____/06:00075882
n3:jazykVysledku
n12:eng
n3:klicovaSlova
associative memory; neural network; Hopfield network; binary vector; indexing; hashing
n3:klicoveSlovo
n7:indexing n7:neural%20network n7:associative%20memory n7:binary%20vector n7:hashing n7:Hopfield%20network
n3:kodStatuVydavatele
US - Spojené státy americké
n3:kontrolniKodProRIV
[7AA15C52249B]
n3:nazevZdroje
Cybernetics and Systems Analysis
n3:obor
n9:BB
n3:pocetDomacichTvurcuVysledku
1
n3:pocetTvurcuVysledku
3
n3:projekt
n15:1M0567
n3:rokUplatneniVysledku
n11:2006
n3:svazekPeriodika
42
n3:tvurceVysledku
Frolov, A. A. Húsek, Dušan Rachkovskij, D.
n3:zamer
n17:AV0Z10300504
s:issn
1060-0396
s:numberOfPages
9