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

vault backup: 2026-05-14 11:59:35

Browse Source
This commit is contained in:
Dmitry
2026-05-14 11:59:35 +03:00
parent 2c439970e1
commit fa5bd30d18
1 changed files with 3 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files
00 Inbox/Функционирование сети Хопфилда.md
+3 -1
View File
@@ -11,4 +11,6 @@ title: Функционирование сети Хопфилда
1) На вход подается неизвестный сигнал. Фактически, ввд осуществляется установкой значений аксонов. $y_{i}(0) = x_{i},\ i=0,\dots,n-1$, поэтому обозначение на схеме сети входных синапсов в явном виде носит чисто условных характер Ноль в скобке обозначение нулевую итерацию в цикле работы сети. 1) На вход подается неизвестный сигнал. Фактически, ввд осуществляется установкой значений аксонов. $y_{i}(0) = x_{i},\ i=0,\dots,n-1$, поэтому обозначение на схеме сети входных синапсов в явном виде носит чисто условных характер Ноль в скобке обозначение нулевую итерацию в цикле работы сети.
2) Расчет нового состояние нейронов: $s_{j}(p+1)=\sum\limits_{i=1}^{n-1}w_{ij}y_{i}(p),\ j=0,\dots,n-1$ и новые значение аксонов $y_{j}(p+1)=f[s_{j}(p+1)]$, где $f$ - функция активации в виде скачка. 2) Расчет нового состояние нейронов: $s_{j}(p+1)=\sum\limits_{i=1}^{n-1}w_{ij}y_{i}(p),\ j=0,\dots,n-1$ и новые значение аксонов $y_{j}(p+1)=f[s_{j}(p+1)]$, где $f$ - функция активации в виде скачка.
![[Pasted image 20260514115340.png|300]] ![[Pasted image 20260514115340.png|300]]
3) Проверка, изменились ли выходные данные значения аксонов за последнюю итерацию. Если да, то переход в пункту 2, иначе (если выходы стабилизировались) - конец. 3) Проверка, изменились ли выходные данные значения аксонов за последнюю итерацию. Если да, то переход в пункту 2, иначе (если выходы стабилизировались) - конец. При этом, выходной вектор представляет собой образец, наилучшим образом сочетающийся с входными данными.
- Иногда сеть не может про