CMAC یا مدل ریاضی مخچه انسان، چیست؟

[whitehat]

به نظر من چیزی شبیه به الگوریتم تشخیص الگو در داده کاوی باشه

این مدل معمولا برای تصمیم گیری استفاده میشه، مقاله هایی برای تشخیص الگو هم وجود داره که می توانید به آنها مراجعه کنید.شاید با خواندن این قسمت بیشتر با آن آشنا شوید

مدل CMAC
شکل ضمیمه بلوک دیاگرام مدل CMAC را نشان می‌دهد که به ازای ورودی یا ورودیهای مشخص، خروجی(ها‌ی) مناسب تولید می‌کند. متغیر یا متغیرهای ورودی به نواحی گسسته تقسیم یا کوانتیزه (Quantized) می‌شود، هر ناحیه گسسته آدرس سلولی از حافظه را مشخص می‌کند. با بازیابی اطلاعات ذخیره شده در سلولهای حافظه انجمنی انتخاب شده، می‌توان خروجی‌ را بدست آورد. خروجی به صورت مجموع اطلاعات ذخیره شده در سلولهای حافظه متناظر با ورودیها است. CMACبا تغییر محتویات سلولهای حافظه متناظر با ورودیها، خروجی صحیح را یاد می‌گیرد. برای هر ورودی ضریبی از مقدار تفاوت خروجی CMAC و خروجی مورد انتظار بعنوان ضریب یادگیری، به محتویات سلولهای حافظه انتخاب شده افزوده می‌شود.
به طور کلی، مدل ریاضی CMAC از سه رابطه نگاشت زیر استفاده می‌نماید:
نگاشت بردار ورودیهای کوانتیزه شده (S) به سلولهای انجمنی A

S->A

نگاشت سلولهای انجمنی به آدرس فیزیکی حافظهP

A->P

نگاشت آدرس فیزیکی حافظه به خروجی مدل مخچه Y

P->Y

معماری CMAC
شکل ضمیمه مثالی از معماری CMAC با دو متغیر ورودی و می‌باشد. هر متغیر ورودی به چندین ناحیه گسسته از فضای ورودی بنام بلوک تقسیم می‌شود، در مثال ذکرشده پنج بلوک موجود است. اگر هر بلوک به اندازه فاصله کوچکی بنام عنصر (Element) شیفت یابد بلوکهای جدیدی در لایه‌ها یا سطرهای مختلف بوجود می‌آیند. مثلاً برای بلوکهای A0,B0,C0,D0 مربوط به متغیر ورودی بلوکهای E0,F0,G0,H0,I0 در لایه بعدی و برای بلوکهای A1,B1,C1,D1 بلوکهای E1,F1,G1,H1,I1 برای متغیر ایجاد می‌شود به همین ترتیب بلوکهای جدیدی مانند J0,K0,L0,M0,N0 در لایه‌ها یا سطرهای دیگر نیز پدید می‎آیند. مساحتی که توسط نواحی تقسیم شده متغیرهای ورودی بدست می‌آید بنام فوق‌مکعب نامیده می‌شود، به طور مثال فوق‌مکعبهای‌C1,B0 و D1,B0. هر فوق‌مکعب (Hyper Cube) یک سلول حافظه برای ذخیره و بازیابی اطلاعات یا وزنها می‌باشد.
در مدل CMAC فقط بلوکهای موجود در لایه‌های متناظر تشکیل فوق‌مکعب می‌دهند، به طور مثال امکان وجود فوق‌مکعب F1,A0 نمی‌باشد زیرا A0 از لایه اول متغیر ورودی S1 ولی F1 از لایه دوم S2 می‌باشد. برای وضوح بیشتر پارامترهای موجود در شبکه CMAC را می‌توان به صورت زیر تعریف نمود:
Nv: تعداد متغیرهای ورودیS1 ,S2)
Nb: تعداد بلوک‍ها در یک لایه (پنج عدد)،
Ne: تعداد لایه‌ها یا تعداد سطرها، تعداد عنصرهای کامل که در یک بلوک جای می‌گیرند (سه عدد)
S:بردار ورودی، به طور مثال {4و7}= S1 ,S2 }
A:سلولهای انجمنی و یا فوق‌مکعبها، به طور مثال {H1,G0 و یا L1,K0،
P: آدرس فوق‌مکعب از مجموعه A، و
Y:خروجی متناظر با S ، یا مجموع اطلاعات ذخیره شده در فوق‌مکعبهایی که S را می‌پوشانند.