Аннотация:Коленчук К.В. в своей работе постаралась найти оптимальную модель для хранения и поиска зашумленных визуальных образов (считая, что зашумленный образ ассоциируется с эталонным). Ею были исследованы как традиционные реляционные базы данных, так и базы данных основанные на концепции NoSQL, информационно-графовые модели и нейронные сети с обратными связями.
Карине удалось в некотором смысле сравнить ресурсы системы, необходимые для хранения n эталонных бинарных образов в реляционных базах данных и с помощью нейронных сетей Хопфилда. Оценивались объем памяти, а также время запоминания и время вспоминания (количество элементарных сравнений необходимых для добавления или поиска записи в базе при условии, что любой образец имеющий расстояние Хэмминга не превышающее k от эталонного ассоциирован с эталонным).
Дополнительно были проведены экспериментальные исследования времени работы сети Хопфилда, позволяющие предположить, что скромные теоретические оценки могут быть улучшены или «в среднем» гораздо лучше оценок «в худшем». Тем самым было показано превосходство использования нейронных сетей для реализации автоассоциативной памяти перед традиционными базами данных.