Россия, Москва |
Рекуррентные сети как ассоциативные запоминающие устройства
Автоассоциативная сеть Хопфилда
Структура сети Хопфилда представляется в виде системы с непосредственной
обратной связью выхода со входом (рис. 1). Выходные сигналы нейронов
являются одновременно входными сигналами сети: . В
классической сети Хопфилда отсутствует автосвязь (связь выхода нейрона с
его собственным входом), что соответствует
, а матрица
весов является
симметричной:
. Отсутствие автосвязи и симметричность
матрицы весов
являются достаточными (но не необходимыми!) условиями сходимости
итерационных (переходных) процессов в сети Хопфилда.
Далее в данной лекции предполагаем, что каждый нейрон имеет биполярную
ступенчатую функцию активации со значениями . Это означает,
что выходной
сигнал
-го нейрона определяется функцией

где обозначает количество нейронов,
.
Далее допустим, что порог срабатывания является компонентой вектора .
Тогда основную зависимость, определяющую сеть Хопфилда, можно представить
в виде
![]() |
( 1) |
с начальным условием .
В процессе функционирования сети Хопфилда можно выделить два режима:
обучения и классификации. В режиме обучения на основе известных векторов
подбираются весовые коэффициенты сети. В режиме классификации при
фиксированных значениях весов и вводе конкретного начального состояния
нейронов возникает переходный процесс вида (1), завершающийся в
одном из
локальных минимумов, для которого .