vault backup: 2026-05-14 11:09:10

99 System/Archive/Идея.md

@@ -0,0 +1,10 @@
+---
+status: seed
+type: concept
+tags: []
+created: 2025-12-17
+updated: 2026-05-14
+title:
+---
+
+![[Recording 20260514000859.m4a]]

99 System/Archive/Сети Хопфилда и Хэмминга.md

@@ -0,0 +1,55 @@
+---
+status: seed
+type: concept
+tags: []
+created: 2025-12-17
+updated: 2026-05-08
+title: Сети Хопфилда и Хэмминга
+---
+
+# Сети Хопфилда и Хэмминга
+
+- В сетях данного вида весовые коэффы синапсов рассчитываются только однажды перед началом функционирования *только однажды* перед началом функционированяи сети на основе ифнормации об обрабатываемых данных, и всё обучение сводится к этому расчету;
+- Т.е. после первичного задания весов, веса не корректируются;
+- Последующий ввод информации по объектам можно воспринимать как "обучение", но на деле, сеть просто запоминает образы;
+- Сети Хопфилда и Хэмминга лучше всего организуют ассоциативную память;
+- Задача: известен некоторый набор образцов (эталоном), которым мы хотим обучить сеть (изображения, звуки и т.д.);
+- Сеть должна из необработанного сигнала, поданного на вход, выделить (вспомнить) соответствующий образец, если такой будет найден, или дать заключение, что такого образца нет;
+- Если сигналы представляются как изображения, то в случае удачной идентификации, мы видим полностью совпадающий образ (Для Хопфилда), или номер в базе (Хемминг).
+![[Pasted image 20260508103342.png|500]]
+
+## Архитектура сети Хопфилда
+
+Однослойная сеть с обратными связями
+Инициализация сети == инициализация выходов
+Выходы идут на входы всех нейронов, кроме его самого.
+
+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 размерностью $n$.
+
+![[Pasted image 20260508103431.png|420]]
+
+Связаны обратными ингибиторными связами.
+Где обратная связь нейрона с самим собой $=1$, остальные $=-\epsilon$
+
+В сети Хэмминга −ε **(-эпсилон)** — это весовой коэффициент **тормозящих (ингибиторных) синапсов**, связывающих нейроны во втором слое между собой.
+
+**Его основные характеристики и роль в сети:**
+
+- **Расположение и архитектура:** Во втором слое сети Хэмминга каждый нейрон связан сам с собой петлей положительной обратной связи, вес которой равен +1. При этом со всеми _остальными_ нейронами своего слоя он соединен отрицательными обратными связями, вес которых равен −ε.
+- **Допустимые значения:** Величина ε всегда берется как небольшое положительное число из диапазона $0<ε<\frac{1}{m}$, где $m$ — общее количество эталонных образцов, хранящихся в сети
+### Функционирование 
+Инициализация - начальное назначение весов