ada/SecondBrain
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

vault backup: 2026-05-08 11:17:09

Browse Source
This commit is contained in:
Dmitry
2026-05-08 11:17:09 +03:00
parent faeb405f8f
commit 1cacc6958c
2 changed files with 17 additions and 3 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.obsidian/workspace.json
Vendored
+3 -3
View File
@@ -28,13 +28,13 @@
"state": { "state": {
"type": "markdown", "type": "markdown",
"state": { "state": {
"file": "01 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md", "file": "00 Inbox/Сети Хопфилда и Хэмминга.md",
"mode": "source", "mode": "source",
"source": false, "source": false,
"backlinks": false "backlinks": false
}, },
"icon": "lucide-file", "icon": "lucide-file",
"title": "Backpropagation для однослойного перцептрона" "title": "Сети Хопфилда и Хэмминга"
} }
} }
], ],
@@ -263,9 +263,9 @@
}, },
"active": "14bb00550c54e489", "active": "14bb00550c54e489",
"lastOpenFiles": [ "lastOpenFiles": [
"01 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md",
"01 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md", "01 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md",
"01 Library/11 Machine Learning/Обратное распространение ошибки.md", "01 Library/11 Machine Learning/Обратное распространение ошибки.md",
"01 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md",
"01 Library/11 Machine Learning/Нейронные сети.md", "01 Library/11 Machine Learning/Нейронные сети.md",
"00 Inbox/Сети Хопфилда и Хэмминга.md", "00 Inbox/Сети Хопфилда и Хэмминга.md",
"99 System/Cache/Pasted image 20260508103431.png", "99 System/Cache/Pasted image 20260508103431.png",
00 Inbox/Сети Хопфилда и Хэмминга.md
+14
View File
@@ -26,3 +26,17 @@ title: Сети Хопфилда и Хэмминга
Выходы идут на входы всех нейронов, кроме его самого. Выходы идут на входы всех нейронов, кроме его самого.
Получаем вес $w_{ij}$ Получаем вес $w_{ij}$
При функционировании сети Хопфилда, мы получаем эталон, т.е. конкретное "изображение".
## Сеть Хемминга
Если нам не нужно получать изображение, а достаточно лишь номера эталона, то можно использовать более экономную сеть Хемминга
Идея: нахождение расстояния Хемминга (Манхеттенское) между входом и всеми образцами.
Сеть должна выбрать образец с минимальным расстоянием до неизвестного входного образа, тогда будет активирован только один выход сети, соответствующий номеру образца.
### Архитектура
Два слоя:
- 1 слой (работает один раз, запоминая)
- 2 слой
В каждом слое столько нейронов, сколько образцов необходимо запомнить.
Входной образ - вектор