Кафедра автоматизации производственных процессов и производств в машиностроении
жүктеу/скачать 290,05 Kb. Pdf көрінісі
|
Рабочая программа ИСМ
| Ответ на вопрос 2.
Модель разработана Хопфилдом в 1982 году. С тех пор были предложены многочисленные ее модификации. Данная модель используется как ассоциативная память, классификатор и для решения некоторых задач оптимизации. Эта модель относится к полносвязным рекуррентным сетям. Исходными данными для расчета значений синаптических весов сети являются векторы – образцы классов. Сеть функционирует циклически. Выход каждого из нейронов подается на входы всех остальных нейронов. Нейроны сети имеют жесткие пороговые функции. Входные и выходные сигналы биполярные и принимают значения –1 и +1.
15 Сеть, содержащая N нейронов, может запомнить не более M = 0.15*N образов. При этом запоминаемые образы не должны быть сильно коррелированы. Формирование синаптических весов (обучение) сети осуществляется по формуле:
Другими словами, веса после предъявления каждого примера вычисляютсяпо формуле (правило Хебба):
Функционирование сети описывается следующими формулами:
Функционирование заканчивается, если на некотором шаге T для всех j:
Нелинейная функция f обычно выглядит как пороговая, принимающая значения 1 при аргументе > 0 и – 1 – в противном случае. Если используются значения 0 и 1 для кодирования состояний нейронов, то сравнение производится не с нулем, а с порогом – константой, одинаковой для всех нейронов.
В процессе функционирования может использоваться процедура "замораживания" состояний некоторых нейронов, которые рассматриваются как входные (т.е. на которые поступает входной сигнал). "Замороженные" нейроны не меняют своего состояния. Такое функционирование может рассматриваться как восстановление вектора по его фрагменту, а обученная нейронная сеть Хопфилда – как ассоциативная память.
В процессе функционирования уменьшается энергетическая функция:
Другими словами, состояние нейронной сети "скатывается" в минимум гиперповерхности, сформированной в процессе обучения.
|