diff --git a/HOW_IT_WORKS.md b/HOW_IT_WORKS.md
new file mode 100644
index 0000000..9e1d053
--- /dev/null
+++ b/HOW_IT_WORKS.md
@@ -0,0 +1,81 @@
+# Как работает приложение
+
+## Запуск
+
+```bash
+bundle install
+ruby app.rb # веб-интерфейс на http://localhost:4567
+# или
+ruby main.rb # только CLI: загружает паттерны, обучает, выводит инфо
+```
+
+В Docker: собирается образ, `generate_excel.rb` генерирует `patterns.xlsx` при старте, Sinatra слушает на 4567.
+
+---
+
+## Данные
+
+Паттерны хранятся в `patterns.xlsx`. Каждый лист = один символ (T, H, E, X...).
+Ячейка `x` → `1`, остальное → `-1`. Размер: 8×8 = вектор из 64 значений.
+
+`loader.rb` читает Excel через гем `roo` и возвращает `{name => matrix_8x8}`.
+В вычислениях матрицы разворачиваются в векторы через `flatten`.
+
+Если хочешь добавить/изменить паттерны — правь `generate_excel.rb` и перезапусти.
+
+---
+
+## Веб-интерфейс
+
+Одна страница (`views/index.erb`), тёмная тема, 8×8 кликабельная сетка ввода.
+
+**Что можно сделать:**
+- Нарисовать паттерн кликами (или добавить шум кнопкой)
+- Нажать «Распознать» — сервер прогоняет через обе сети
+- Включить «Пошаговый режим» — видно, как Хопфилд сходится шаг за шагом
+- Включить «Показывать формулы» — рядом с анимацией появляются LaTeX-формулы вычислений
+
+---
+
+## Маршруты (`app.rb`)
+
+| Маршрут | Что делает |
+|---|---|
+| `GET /` | Загружает паттерны, отдаёт HTML |
+| `POST /recall` | Быстро: вектор → итоговый результат обеих сетей |
+| `POST /recall_steps` | То же + все промежуточные состояния для анимации |
+| `POST /recall_trace` | То же + net-значения, сколько нейронов изменилось на каждом шаге, трассировка MAXNET |
+
+Все POST принимают JSON `{vector: [...64 числа...]}`, возвращают JSON.
+
+---
+
+## Алгоритмы
+
+### Хопфилд (`hopfield.rb`)
+
+**Обучение** — один раз при запуске:
+```
+W[i][j] += v[i] * v[j] для каждого паттерна v, i ≠ j
+```
+Матрица весов 64×64, кэшируется в `weights.cache`.
+
+**Recall** — итерации до сходимости:
+```
+new[i] = sign( Σ_j W[i][j] * x[j] ) # sign: ≥0 → 1, <0 → -1
+```
+Все нейроны обновляются синхронно. Стоп: состояние не изменилось (EPS=0.01) или 200 итераций.
+
+### Хэмминг (`hamming.rb`)
+
+**Шаг 1 — слой Хэмминга** (один раз):
+```
+output[k] = (dot(pattern_k, input) + 64) / 2
+```
+Результат: число от 0 до 64 — сколько бит совпало с k-м эталоном.
+
+**Шаг 2 — MAXNET** (итерации до одного победителя):
+```
+new[i] = max(output[i] - eps * Σ_{j≠i} output[j], 0) # eps = 0.9 / кол-во паттернов
+```
+Нейроны конкурируют: слабые гаснут, остаётся один. Его индекс = ближайший паттерн.
diff --git a/hamming.rb b/hamming.rb
index 1545e3d..57dfaa2 100644
--- a/hamming.rb
+++ b/hamming.rb
@@ -17,13 +17,11 @@ MAX_MAXNET_ITER = 100
def recall_hamming(pattern_vectors, input_vec)
eps = 0.9 / pattern_vectors.length
-
outputs = hamming_layer(pattern_vectors, input_vec)
- MAX_MAXNET_ITER.times do
- next_out = maxnet_step(outputs, eps)
- return next_out.each_with_index.max_by { |v, _| v }[1] if next_out.count { |v| v > 1e-9 } <= 1
- outputs = next_out
+ iter = 0
+ while outputs.count { |v| v > 1e-9 } > 1 && iter < MAX_MAXNET_ITER
+ outputs = maxnet_step(outputs, eps)
+ iter += 1
end
-
outputs.each_with_index.max_by { |v, _| v }[1]
end
diff --git a/hopfield.rb b/hopfield.rb
index 1b8db9f..3877518 100644
--- a/hopfield.rb
+++ b/hopfield.rb
@@ -40,10 +40,12 @@ MAX_HOPFIELD_ITER = 200
def recall_hopfield(weights, input_vec)
current = input_vec.dup
- MAX_HOPFIELD_ITER.times do
- next_vec = step_hopfield(weights, current)
- return current if vectors_equal?(current, next_vec)
+ next_vec = step_hopfield(weights, current)
+ iter = 1
+ while !vectors_equal?(current, next_vec) && iter < MAX_HOPFIELD_ITER
current = next_vec
+ next_vec = step_hopfield(weights, current)
+ iter += 1
end
- current
+ next_vec
end
\ No newline at end of file
diff --git a/views/index.erb b/views/index.erb
index f1e0311..3d9658c 100644
--- a/views/index.erb
+++ b/views/index.erb
@@ -263,7 +263,10 @@
-Сети Хопфилда и Хэмминга
+
+
Сети Хопфилда и Хэмминга
+
Домой
+
Эталонные образы