Hierarchical Cognitron

Zamknięte wagi NHK Broadcasting Science Research Laboratories 9.3K parametry April 1984

Brak oszacowania

Brak wymagań sprzętowych dla tego modelu

Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja
NHK Broadcasting Science Research Laboratories
Typ organizacji
Industry
Kraj
Japan
Opublikowany
1 April 1984
Autorzy
K. Fukushima

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena
Other
Zadanie
Pattern recognition

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry
9.3K

Parameters 5*5*9*3*3 + 3*3*9*3*3*9 + 9*3*3*9 = 9315 "The numbers of excitatory cells in these four layers were: 7x7 in U0, 5x5 in U1, 3x3 in U2, and 9 in U3" "Each feature-extracting cell in layer U1 receives excitatory modifiable afferent connections from 3x3 cells in layer U0" "On the other hand, each feature, each extracting cell in layers U2 and U3 receives excitatory modifiable connections from all 9 cells in each of the 3 x 3 hypercolumns in the layer preceding it. Therefore, it receives …

Dane treningowe
5 tokens

"Five training patterns used for the self-organization are shown in Fig. 4"

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Dlaczego to jest śledzone
Historical significance
Zapisz pewność
Speculative

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
A hierarchical neural network model for associative memory
Ostatnio zaktualizowane
28 November 2025

Co oznaczają liczby

Skąd to pochodzi

Hierarchical Cognitron został opublikowany przez NHK Broadcasting Science Research Laboratories, w kraju zapisanym jako Japan, podczas April 1984. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Other, i jest zapisany jako wykonujący zadanie pattern recognition.

Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.

Jak to zostało wytrenowane

Zbiór treningowy trwał około 5 Tokeny tekstu.

Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: historical significance.

Odpowiedzi

Hierarchical Cognitron — częste pytania

01

Hierarchical Cognitron— do czego to służy?

Działa w dziedzinie Other, i jest zarejestrowany jako realizujący zadanie pattern recognition. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

02

Hierarchical Cognitron— Jaką GPU potrzebuję, aby ją uruchomić?

Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.

03

Hierarchical Cognitron— czy jest open weight?

Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.

04

Hierarchical Cognitron— ile ma parametrów?

Ma liczbę parametrów równą 9.3K. Parameters 5*5*9*3*3 + 3*3*9*3*3*9 + 9*3*3*9 = 9315 "The numbers of excitatory cells in these four layers were: 7x7 in U0, 5x5 in U1, 3x3 in U2, and 9 in U3" "Each feature-extracting cell in layer U1 receives excitatory modifiable afferent connections from 3x3 cells in layer U0" "On the other hand, each feature, each extracting cell in layers U2 and U3 receives excitatory modifiable connections from all 9 cells in each of the 3 x 3 hypercolumns in the layer preceding it. Therefore, it receives 3 x 3 x 9 afferent excitatory modifiable connections altogether". Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

05

Hierarchical Cognitron— kto to stworzył?

Zostało opublikowane przez NHK Broadcasting Science Research Laboratories, oparty na Japan, organizacja sklasyfikowana jako industry.

06

Hierarchical Cognitron— kiedy to zostało wydane?

Zostało opublikowane w April 1984. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 November 2025

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.