Site de Vincent Gripon

Maximum Likelihood Associative Memories

Les mémoires associatives sont des structures qui permettent de stocker des données de façon à pouvoir ensuite les retrouver à partir d'une fraction de leur contenu -- une sorte de robustesse aux erreurs/effacements. Elles sont utilisées dans des applications allant des caches et gestions de mémoires des processeurs aux moteurs de bases de données. Dans ce papier nous étudions des mémoires associatives construites selon le principe du maximum de vraissemblance. Nous introduisons le taux d'erreur résiduel minimal quand les données sont obtenues à partir d'une source binaire uniforme. Ensuite nous déterminons la quantité minimale de mémoire requise pour stocker ces mêmes données. Enfin nous exprimons une borne sur la complexité algorithmique de la remémoration de message. Nous comparons ces différents résultats avec deux mémoires associatives existantes : le célèbre modèle de Hopfield et une architecture récemment introduite par Gripon et Berrou.

@inproceedings{GriRab20139,
  author = {Vincent Gripon and Michael Rabbat},
  title = {Maximum Likelihood Associative Memories},
  booktitle = {Proceedings of Information Theory
Workshop},
  year = {2013},
  pages = {1--5},
  month = {September},
}