論文の概要: Memory and Recall of Color Images Using Neural Networks-1 - The Cue-Ball Model based on the Associative Memory Mechanism -

• arxiv url: http://arxiv.org/abs/2610.41108v1
• Date: Fri, 30 Oct 2026 00:57:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.572357
• Title: Memory and Recall of Color Images Using Neural Networks-1 - The Cue-Ball Model based on the Associative Memory Mechanism -
• Title（参考訳）: ニューラルネットワークを用いたカラー画像の記憶とリコール-1 -連想記憶機構に基づくCue-Ballモデル-
• Abstract要約: 本稿では,Cue BallRecall Netシステムを用いて,異なるサイズのカラー画像の保存とリコールを行うニューラルネットワークモデルを提案する。 Cue Ballシステムは、複数のメモリニューロンからなるリコールネットで構成され、それぞれが単一の異なるメモリを記憶し、画像パターンを表す多数のニューロンで構成されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a neural network model for storing and recalling color images of different sizes using the Cue BallRecall Net systems [1,2,3,4,5]. The Cue Ball system consists of a Recall Net composed of multiple memory neurons each responsible for memorizing a single, distinct memory and a large number of neurons that represent image patterns. The images used in this study [6] consist of ten images(see Appendix). The pixel values of these images were converted into digital values and used for subsequent processing. Accordingly, the Cue Ball contains ten Cue neurons, corresponding to the ten images stored in memory. The number of pixels varies among the images, and therefore, the number of Recall neurons comprising the Recall Net also varies accordingly. In this study, the number of Recall neurons was prepared between 106,134 and 360,000, depending on the number of pixels in each image. In this simulation, after the connection weights (wjip, vijp) had been learned, we have used the learning and recall algorithms to investigate whether the Cue neuron which had memorized a specific image could be identified by the Recall Net when that a memorized image has been presented. Therefore, the most important simulation result is which Cue neuron responds when a memorized image is presented to the Recall Net. If the Cue neuron that memorizes the presented image responds, its output can be used to obtain the corresponding image data. By adding a BMP header to the resulting image data, the original memorized image can be accurately recalled.
• Abstract（参考訳）: 本稿では,Cue BallRecall Netシステム[1,2,3,4,5]を用いて,異なるサイズのカラー画像の保存とリコールを行うニューラルネットワークモデルを提案する。 Cue Ballシステムは、複数のメモリニューロンからなるリコールネットで構成され、それぞれが単一の異なるメモリを記憶し、画像パターンを表す多数のニューロンで構成されている。 本研究で用いた画像(6)は10枚の画像からなる(Appendix参照)。 これらの画像のピクセル値はデジタル値に変換され、その後の処理に使用される。 したがって、Cue Ballはメモリに格納された10の画像に対応する10個のCueニューロンを含む。 画像間で画素数が異なるため、リコールネットを構成するリコールニューロンの数も異なる。 本研究では,各画像の画素数に応じて,リコールニューロン数を106,134から360,000に設定した。 このシミュレーションでは、接続重み(wjip, vijp)が学習された後、特定の画像を記憶したCueニューロンが記憶された画像が提示されたときにリコールネットによって識別できるかどうかを学習とリコールアルゴリズムを用いて検討した。 したがって、最も重要なシミュレーション結果は、記憶された画像をリコールネットに提示するとCueニューロンが応答することである。 提示された画像を記憶するCueニューロンが応答すると、その出力を使用して対応する画像データを得ることができる。 得られた画像データにBMPヘッダを追加することにより、元の記憶画像を正確にリコールすることができる。

関連論文リスト

• Associative Memory using Attribute-Specific Neuron Groups-1: Learning between Multiple Cue Balls [0.0]
  提案モデルは,Cue Ball と Recall Net を用いた複数画像のメモリとリコールに関する以前の研究に基づいている。 システムを構成する3つのコンポーネントは、色を処理するためのC.CB-RN、形状を処理するためのS.CB-RN、サイズを処理するためのV.CB-RNである。
  論文  参考訳（メタデータ） (2025-12-02T01:28:45Z)
• Associative Memory Model with Neural Networks: Memorizing multiple images with one neuron [0.0]
  本稿では、画像の記憶とリコールのためのニューラルネットワークモデル(連想記憶モデル)を提案する。 このモデルの特徴の1つは、複数の異なる画像が同時に1つのニューロンに格納されていることである。 このモデルは、不完全な画像が提示された場合でも、画像の完全なリコールを可能にする。
  論文  参考訳（メタデータ） (2025-10-08T00:44:46Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• Measures of Information Reflect Memorization Patterns [53.71420125627608]
  異なるニューロンの活性化パターンの多様性は、モデル一般化と記憶の反映であることを示す。 重要なことは、情報組織が記憶の2つの形態を指していることである。
  論文  参考訳（メタデータ） (2022-10-17T20:15:24Z)
• An associative memory model with very high memory rate: Image storage by sequential addition learning [0.0]
  本システムは、キューボール内の1つのキューニューロンとリコールネット内のニューロンとの双方向学習を実現する。 多くのパターンを記憶し、これらのパターンや、いつでも似たパターンを思い出すことができる。
  論文  参考訳（メタデータ） (2022-10-08T02:56:23Z)
• Associative Memories via Predictive Coding [37.59398215921529]
  脳内の連想記憶は感覚ニューロンによって登録された活動パターンを受信し、記憶する。 本稿では,知覚ニューロンを介して外部刺激を受ける階層的生成ネットワークに基づいて,連想記憶を実現する新しいニューラルモデルを提案する。
  論文  参考訳（メタデータ） (2021-09-16T15:46:26Z)
• Astrocytes mediate analogous memory in a multi-layer neuron-astrocytic network [52.77024349608834]
  情報の一部が数秒間堅牢な活動パターンとして維持され、他の刺激が来なければ完全に消滅することを示す。 この種の短期記憶は、操作情報を数秒保存し、次のパターンとの重複を避けるために完全に忘れてしまう。 任意のパターンをロードし、一定の間隔で保存し、適切な手掛かりパターンを入力に適用した場合に検索する方法について示す。
  論文  参考訳（メタデータ） (2021-08-31T16:13:15Z)
• Neural Sparse Representation for Image Restoration [116.72107034624344]
  スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。 本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。 実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
  論文  参考訳（メタデータ） (2020-06-08T05:15:17Z)
• Self-Attentive Associative Memory [69.40038844695917]
  我々は、個々の体験(記憶)とその発生する関係(関連記憶)の記憶を分離することを提案する。 機械学習タスクの多様性において,提案した2メモリモデルと競合する結果が得られる。
  論文  参考訳（メタデータ） (2020-02-10T03:27:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。