Se plantea como objetivo el diseño de una memoria sociativa difusa que permita el almacenamiento eficiente de información imprecisa, Para lograrlo se establece un plan de trabajo a desarrollar en dos paso: diseño de un modelo de memoria asociativa discreta de alta capacidad y extensión del modelo para el almacenamiento de información imprecisa.
Tras identificar lso factores que provocan la baja capacidad de almacenamiento en otros modelos de memorias asociativas se presenta la Memoria Asociativa Clasificadora Discrtea (CLAM) que presenta una alta capacidad de almacenamiento, clasificando los patrones de entrada por el criterio del vecino más próximo según la distancia de Hamming.
La extensión de la CLAM para capacitarla para la memorización de información imprecisa se aborda mediante el empleo de dos métodos, cada uno de ellos con sus ventajas e inconvenientes.
Uno de lso métodos consiste en el acoplamiento a la CLAM de un filtro discretizador que codifique la información imprecisa en una representación discreta que pueda ser almacenada en una CLAM. Como filtro discretizador se emplea el método de codificación de variables lingüísticas mediante discretización incremental.
El otro método empleado para la extensión consiste en la adaptación de la CLAM para el almacenamiento de información continua que represente informacion imprecisa expresada mediante los grados de compatibildiad con un conjunto de términos lingüísticos. La adaptación de la CLAM da lugar a la Memoria Asociativa Clasificadora Continua (CCLAM) que, conservandola alta capacidad de almacenamiento de la CLAM, permite almacenar patrones continuos. La memoria se puede configurar para adaptar su comportamiento a las necesidades específicas de cada problema. En concreto se muestra cómo configurarla para el almacenamiento de patrones y reglas expresados en términos lingüísticos.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados