Dmitry
42 lines
3.4 KiB
Markdown
42 lines
3.4 KiB
Markdown
---
|
|
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
|
|
|
|
![[Pasted image 20260508103431.png|420]]
|
|
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 |