Análisis experimental de la superposición de información en espacios de memoria aleatoria

Abstract

En este trabajo se presenta un modelo de almacenamiento de información que es especialmente ade-
cuado para sistemas neurocomputacionales no supervisados. Nuestro modelo utiliza como fundamento
teórico el Teorema de Ramsey. Se demuestra experimentalmente que en una matriz discreta generada
aleatoriamente y lo suficientemente grande (dependiente de m x n), es posible encontrar cualquier matriz
discreta de tamaño m x n. La probabilidad p( cpe !vI) de encontrar una submatriz de tamaño m x n dentro de
un Espacio de Memoria Aleatoria específico aumenta al permitir grados de error acotado. Introducimos
entonces el concepto de patrón de información. También aplicamos diferentes transformaciones lineales
a la matriz original, lo cual amplía el espacio de búsqueda y por lo tanto también aumenta la probabilidad
p(cp e !vI). El modelo se implementa utilizando memorias de cuatro estados y se demuestra una de sus
principales características: la superposición de información. Un mismo elemento físico de memoria se uti-
liza para almacenar varios patrones de información a un mismo tiempo. Se encuentra que para patrones
de información de dimensión cuadrada m x m el máximo grado de superposición que se puede obtener es
(2m - 1)2 Y que en un EMA de tamaño relativamente pequeño es posible almacenar una gran cantidad de
patrones de información.