Нейросетевые модели для систем информационной безопасности. Брюхомицкий Ю.А. - 118 стр.

UptoLike

Составители: 

118
где Fактивационная функция нейрона, вычисляемая согласно (11.6).
3
0
. Выполняется проверка, изменились ли выходные сигналы сети за
последнюю итерацию:
)()1( tztz
jj
=+
.
Если да, – переход к пункту 2
0
, иначе (если выходные сигналы остались
прежними) – конец. При этом выходной вектор Z представляет собой образец,
наилучшим образом сочетающийся с входными данными.
Энергетическая функция сети Хопфилда, доказывающая ее способность
сходится к устойчивому набору своих состояний, соответствует виду (11.4).
Число запоминаемых образцов. Как говорилось выше, иногда сеть
Хопфилда не может провести распознавание входного
образа и выдает на
выходе ложный (несуществующий) образ. Это связано с проблемой
ограниченной возможности сети по запоминанию образцов. Очевидно, что для
сети Хопфилда число запоминаемых образцов
L не должно превышать
некоторой величины
L
max
, зависящей от числа n нейронов сети. Точный расчет
L
max
затруднен тем обстоятельством, что запоминаемые сетью образцы обычно
коррелированы между собой. Это означает, что часть нейронов, необходимых
для запоминания одного образца обычно используется сетью для запоминания
другого образца. Для слабо коррелированных образцов известна приближенная
оценка [16]
n
n
L
2ln
max
=
.
На практике чаще используют приближенную оценку
L
max
= 0,15n.
Вместе с тем, польский специалист по ИНС Станислав Осовский
утверждает, что созданная в Варшавском политехническом университете
программа, использующая метод обучения на основе псевдоинверсии,
позволяет получить
L
max
= n-1 [15].
Сеть Хопфилда с непрерывной активационной функцией. В работах
Хопфилда рассмотрены также сети, использующие модели нейронов с
непрерывной активационной функцией
F, которая точнее моделирует
биологический прототип [16]. В общем случае это
S-образная или
логистическая функция
,
1
1
)]([)(
)(xy
e
xyFxz
λ
+
==
(11.8)
где λкоэффициент, определяющий крутизну сигмоидальной функции.
Если λ велико,
F приближается к пороговой функции и сеть
функционирует подобно бинарной системе, стабилизируясь в вершинах