Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Это модификация сети Хопфилда, в которой используется так называемое стохастическое функционирование, в результате чего сеть приобретает возможность в большем количестве случаев достигать глобального экстремума энергетической функции находить правильное решение. Машина Больцмана и сеть Хопфилда имеют следующие общие характеристики:
предназначена для решения задач ассоциативной памяти;
однослойная, рекуррентная;
состояния принимают значения ±1;
весовая матрица межнейронных связей симметричная;
нейроны не имеют обратных связей к самим себе, т.е. значения диагональных элементов весовой матрицы равны нулю;
нейроны обновляют свое состояние по одному в единицу времени и выбираются случайно.
Они также имеют важное отличие: алгоритм обновления состояний нейронов машины Больцмана является вероятностным, а не детерминированным, как в сети Хопфилда, а сами нейроны называются стохастическими.
Стохастический нейрон j изменяет свое состояние sj в зависимости от значения его внутреннего выхода vj с вероятностью P (vj). Тогда состояние j -го нейрона определяется следующим образом:
Вероятность изменения состояния нейрона определяется с помощью функции
,
где T – параметр, определяющий характер функционирования нейрона. Если T ® 0, то функция становится пороговой и правило активации стохастического нейрона сводится к правилу функционирования нейрона сети Хопфилда. Чем больше T, тем сильнее вероятностный характер функционирования стохастического нейрона. При T ® ¥ вероятность смены состояния составляет 1/2.
Функционирование нейронов можно объяснить и в терминах изменения энергии сети D E.
Вероятность смены состояния j -го нейрона на некотором шаге процесса функционирования сети от состояния sj к состоянию – sj равна ,
где D Ej – изменение энергии в результате смены состояния.
Алгоритм функционирования машины Больцмана:
1. Вычисление весовых коэффициентов в соответствии с правилом Хебба;
2. Инициализация состояний sj значениями тестового вектора;
3. Выбор начального значения параметра ;
4. Обновление состояний нейронов сети по (3);
5. Возвращение к этапу 4. После L итераций (количество итераций определяют эмпирически) уменьшение параметра T;
6. Возвращение к этапу 4 до тех пор, пока не будет найдено стабильное состояние, соответствующее минимуму энергетической функции.
Уменьшение значения параметра T предполагается медленным. Если это требование не соблюдать, то сеть игнорирует малые энергетические изменения и может не достичь глобального. Сходимость алгоритма машины Больцмана слишком медленна. На практике используют процедуру с ограничением по времени:
определяют T 0;
правило изменения T определяют рекуррентно как Ti = a Ti –1, где i = 1, 2, …, и 0.8 < a < 0.99;
определяют конечное значение Tk.
Дата публикования: 2014-11-03; Прочитано: 479 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!