Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Наиболее известной рекуррентной автоассоциативной сетью является сеть Хопфилда. Это однослойная полносвязная рекуррентная сеть, элементами которой являются искусственные нейроны с логистической функцией активации.
Для сети из N нейронов состояние сети определяется вектором S = [ s 1, s 2, …, sN ]T, где si = ±1 – переменные состояния сети.
Предполагается, что наклон логистической функции fj (×) в области начала координат бесконечно велик, т.е. fj (×) приближается к пороговой функции. Это можно обеспечить выбором достаточно большого значения параметра a.
Искусственный нейрон j сети Хопфилда обновляет свое состояние следующим образом.
Вычисляется:
1) внутренний выход нейрона ;
2) новое значение активации для нейрона j:
В начальный момент времени состояния нейронов sj (0) принимают значения внешних входов.
Матрица весовых коэффициентов формируется в процессе обучения с помощью правила Хебба следующим образом. Пусть необходимо хранить в памяти сети набор из p N -мерных векторов . Эти p векторов составляют общую память сети.
Пусть – i -й элемент общей памяти. Элементы весовой матрицы определяют как .
Обычно , т.е. нейроны сети не связаны сами с собой. Тогда , I – единичная матрица. Процесс обучения называется также фазой запоминания.
Функционирование сети называют фазой восстановления. На фазе восстановления сети предъявляется образ, представляющий собой зашумленный или неполный вариант образа из общей памяти сети. В результате функционирования сеть приходит к некоторому стабильному состоянию, которое является выходом. Состояние стабильности характеризуется свойством si (t + 1) = f (Wsi (t)) для всех нейронов.
Дата публикования: 2014-11-03; Прочитано: 485 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!