ВУЗ:
Составители:
113
следовательно, δЕ должно быть отрицательным. Т.е. энергия сети должна либо
уменьшиться, либо остаться без изменения.
2) Допустим, что величина y
j
меньше порога Q
j.
Тогда выражение в
квадратных скобках будет отрицательным, а из выражения для выходной
функции нейрона (11.2) следует, что выход нейрона j должен измениться в
отрицательную сторону или остаться без изменения (была 1, стал 0 или был 0 и
остался 0). Это значит, что δz
j
может быть только отрицательным или нулем и,
следовательно, δЕ опять должно быть отрицательным. Т.е. энергия сети опять
должна либо уменьшиться, либо остаться без изменения.
3) Наконец, если величина y
j
равна порогу Q
j.
Тогда выражение в
квадратных скобках будет равно 0 и приращение энергии δЕ также будет равно
0. Т.е. энергия сети останется без изменения.
Из этого анализа следует вывод, что любое изменение состояния нейрона
либо уменьшит энергию, либо оставит ее без изменения. Благодаря такой
закономерности, энергия, в конце концов, достигнет некоторого минимального
уровня и прекратит дальнейшее изменение. По определению такая сеть является
устойчивой.
Обычно в РС имеется множество локальных минимумов, каждый из
которых представляет одно из возможных состояний системы, сформированных
на этапе обучения сети. В пространстве состояний локальные энергетические
минимумы Е представлены точками стабильности, называемыми
аттракторами из-за тяготения к ним ближайшего окружения
.
Условие устойчивости (11.3) сети является достаточным, но не
необходимым. Т.е. имеется много устойчивых сетей, которые этому условию не
удовлетворяют. Например, устойчивы все сети прямого действия (без обратных
связей). Существуют примеры сетей, в которых небольшие отклонения от
условия (11.3) приводят к неустойчивости в виде непрерывных осцилляций, но
в большинстве случаев даже приближенной
симметрии оказывается вполне
достаточно для устойчивости сети.
Сеть Хопфилда. Среди конфигураций ИНС встречаются такие, при
классификации которых по принципу обучения, строго говоря, не подходят ни
обучение с учителем, ни обучение без учителя. В таких сетях весовые
коэффициенты рассчитываются только однажды перед началом
функционирования сети на основе информации о задаче, и обучение сети
сводится именно к этому расчету. С одной стороны
, предъявление априорной
информации о задаче можно расценивать, как помощь учителя, но с другой –
при поступлении на ее входы реальных данных, она не может изменять свое
поведение, поэтому говорить о звене обратной связи с учителем не приходится.
Одна из сетей с подобной логикой работы была предложена в 1984 г.
английским физиком Хопфилдом.
Впоследствии эта сеть получила широкое
распространение и стала называться его именем − сеть Хопфилда. Появилось
множество ее модификаций. Другие названия: ассоциативная память,
автоассоциативная память, модель Хопфилда.
Страницы
- « первая
- ‹ предыдущая
- …
- 111
- 112
- 113
- 114
- 115
- …
- следующая ›
- последняя »
