Dmitry
4.9 KiB
status, type, tags, created, updated, aliases
| status | type | tags | created | updated | aliases | |
|---|---|---|---|---|---|---|
| seed | concept | 2025-12-17 | 2026-05-08 |
|
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
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
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}, гдеm— общее количество эталонных образцов, хранящихся в сети
Функционирование
Инициализация - начальное назначение весов