vault backup: 2026-05-08 10:37:05

.obsidian/workspace.json

@@ -264,6 +264,8 @@
   },
   "active": "14bb00550c54e489",
   "lastOpenFiles": [
+    "99 System/Cache/Pasted image 20260508103431.png",
+    "99 System/Cache/Pasted image 20260508103342.png",
     "01 Library/11 Machine Learning/Нейронная сеть Кохонена.md",
     "00 Inbox/Сети Хопфилда и Хэмминга.md",
     "01 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md",
@@ -294,7 +296,6 @@
     "00 Inbox/Обратное распространение ошибки - вывод.md",
     "99 System/Archive/Обратное распространение ошибки - вывод.md",
     "00 Inbox/Статья на английский.md",
-    "03 Journal/03 Journal.md",
     "00 Inbox/Archive",
     "01 Library/03 Math/Теория нечетких множеств/Теория нечетких множеств.md.tmp.254945.1777751883191",
     "01 Library/02 DevOps/Ansible/Ansible - основы.md.tmp.254945.1777751876503",
@@ -308,7 +309,6 @@
     "99 System/Cache/Pasted image 20260430152221.png",
     "99 System/Cache/generated-forest.png",
     "99 System/Cache/Pasted image 20260429091836.png",
-    "99 System/Cache/Pasted image 20260429090930.png",
+    "99 System/Cache/Pasted image 20260429090930.png"
-    "99 System/Cache/Pasted image 20260429090816.png"
   ]
 }

00 Inbox/Сети Хопфилда и Хэмминга.md

@@ -15,3 +15,12 @@ title: Сети Хопфилда и Хэмминга
 - 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
+
+![[Pasted image 20260508103431.png|420]]
+Однослойная сеть с обратными связями
+Инициализация сети == инициализация выходов
+Выходы идут на входы всех нейронов, кроме его самого.