ऑटोएसोसिएटिव मेमोरी, जिसे ऑटो-एसोसिएशन मेमोरी या ऑटोएसोसिएशन नेटवर्क के रूप में भी जाना जाता है, किसी भी प्रकार की मेमोरी है जो डेटा के केवल एक छोटे से नमूने से डेटा का एक टुकड़ा पुनर्प्राप्त कर सकती है। यह क्षमता इसे इनपुट को डी-नॉइज़ करने, हस्तक्षेप को हटाने और यह निर्धारित करने के लिए प्रभावी बनाती है कि संग्रहीत पैटर्न के आधार पर कोई दिया गया इनपुट "ज्ञात" है या "अज्ञात" है। कृत्रिम तंत्रिका नेटवर्क में, उदाहरणों में वैरिएशनल ऑटोएनकोडर, डीनॉइज़िंग ऑटोएनकोडर और हॉपफील्ड नेटवर्क शामिल हैं। कंप्यूटर मेमोरी सिस्टम में, इस अवधारणा को कंटेंट-एड्रेसेबल मेमोरी (सीएएम) के रूप में भी जाना जाता है। नेटवर्क को एक "ज्ञात" वेक्टर को पहचानने के लिए कहा जाता है यदि यह संग्रहीत वैक्टरों में से एक के समान एक आउटपुट सक्रियण पैटर्न उत्पन्न करता है।
पृष्ठभूमि
मानक डेटा स्टोरेज को स्थितीय मेमोरी पतों द्वारा अनुक्रमित किया जाता है, जिनका उपयोग पुनर्प्राप्ति के लिए किया जाता है। इसके विपरीत, ऑटोएसोसिएटिव मेमोरी एक ग्राफ-जैसी संरचना में व्यवस्थित होती हैं जहां कनेक्शन भार मेमोरी के बीच निहित साहचर्य कनेक्शन को दर्शाते हैं। यह मेमोरी खंड को कुंजी के रूप में उपयोग करके क्वेरी करने की अनुमति देता है, उस मेमोरी और निकट से जुड़े लोगों को एक साथ पुनर्प्राप्त करता है। हॉपफील्ड नेटवर्क को ऑटोएसोसिएटिव मेमोरी के रूप में कार्य करने के लिए दिखाया गया है क्योंकि वे इसका एक हिस्सा देखकर डेटा को याद कर सकते हैं।
पुनरावृत्त ऑटोएसोसिएटिव नेट
कुछ मामलों में, एक ऑटोएसोसिएटिव नेट पहले प्रयास में संग्रहीत पैटर्न को पुन: पेश नहीं करता है, लेकिन यदि आउटपुट को इनपुट के रूप में वापस खिलाया जाता है, तो संग्रहीत पैटर्न उभरता है। तीन और प्रकार मौजूद हैं: आवर्तक रैखिक ऑटो-एसोसिएटर, ब्रेन-स्टेट-इन-ए-बॉक्स नेट, और असतत हॉपफील्ड नेट। हॉपफील्ड नेटवर्क ऑटोएसोसिएटिव मेमोरी का सबसे प्रसिद्ध उदाहरण है।
हॉपफील्ड नेटवर्क
हॉपफील्ड नेटवर्क बाइनरी थ्रेशोल्ड नोड्स के साथ सामग्री-एड्रेसेबल (साहचर्य) मेमोरी सिस्टम के रूप में काम करते हैं। उन्हें ऑटोएसोसिएटिव मेमोरी के रूप में कार्य करने के लिए दिखाया गया है क्योंकि वे आंशिक इनपुट से पूर्ण पैटर्न को याद कर सकते हैं। नेटवर्क की गतिशीलता संग्रहीत आकर्षित करने वालों में परिवर्तित हो जाती है, जिससे पैटर्न पूर्णता और शोर हटाने में सक्षम होता है।
हेटेरोएसोसिएटिव मेमोरी
इसके विपरीत, हेटेरोएसोसिएटिव मेमोरी, एक श्रेणी से डेटा के एक संबद्ध टुकड़े को दूसरी श्रेणी के डेटा की प्रस्तुति पर याद करती है। उदाहरण के लिए, पैटर्न "केला" एक अलग पैटर्न "बंदर" की स्मृति को ट्रिगर कर सकता है। द्विदिश साहचर्य मेमोरी (बीएएम) कृत्रिम तंत्रिका नेटवर्क हैं जो लंबे समय से हेटेरोएसोसिएटिव रिकॉल के लिए उपयोग किए जाते हैं।
उदाहरण
नीचे दिए गए वाक्य खंड अधिकांश अंग्रेजी बोलने वाले वयस्कों के लिए लापता जानकारी को याद करने के लिए पर्याप्त हैं:
- "होना या न होना, यह _____ है।"
- "मैं आया, मैंने देखा, _____।"
कई पाठकों को पता चलेगा कि लापता जानकारी है:
- "होना या न होना, यह सवाल है।"
- "मैं आया, मैंने देखा, मैंने जीत लिया।"
यह अपने कुछ हिस्सों से पूरे को याद करने के लिए ऑटोएसोसिएटिव नेटवर्क की क्षमता को प्रदर्शित करता है।
अनुप्रयोग
ऑटोएसोसिएटिव मेमोरी का व्यापक रूप से मशीन-लर्निंग में छवि डीनॉइज़िंग, डेटा संपीड़न और विसंगति का पता लगाने जैसे कार्यों के लिए उपयोग किया जाता है। डीप-लर्निंग आर्किटेक्चर जैसे तंत्रिका नेटवर्क जनरेटिव मॉडल और बड़े भाषा मॉडल में संदर्भ पूर्णता के लिए ऑटोएसोसिएटिव सिद्धांतों को शामिल करते हैं। हार्डवेयर में, सामग्री-एड्रेसेबल मेमोरी को उच्च गति लुकअप संचालन के लिए एएमडी और इंटेल प्रोसेसर में लागू किया जाता है।
संबंधित अवधारणाएँ
ऑटोएसोसिएटिव मेमोरी साहचर्य मेमोरी और सामग्री-एड्रेसेबल मेमोरी से निकटता से संबंधित है। कृत्रिम-बुद्धिमत्ता में, यह डीनॉइज़िंग ऑटोएनकोडर और हॉपफील्ड नेटवर्क जैसी तकनीकों को रेखांकित करता है। यह अवधारणा हेटेरोएसोसिएटिव मेमोरी और द्विदिश साहचर्य मेमोरी से भी जुड़ती है।