Нейронные сети и нейроконтроллеры. Бураков М.В. - 159 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

159
[ ]
01111 3 1
10111 3 1
21
11011 3 1
11101 3 1
( ) sgn ( ) sgn sgn .Y WY
æö
é ùéù éùéù
-
÷
ç
ê úêú êúêú
÷
ç
÷
ç
-
ê úêú êúêú
÷
ç
÷
= = ×= =
ç
ê úêú êúêú
÷
ç
-
÷
ê úêú êúêú
÷
ç
÷
ç
ê úêú êúêú
÷
ç
--- - - -
èø
ë ûëû ëûëû
Таким образом, сеть восстанавливает запомненный образ.
Алгоритм работы сети Хопфилда может быть описан так:
1. Задается входной образ (неполный, искаженный): Y при t = 0;
2. Выполняются асинхронные вычисления по нейронной сети
(итерационное правило):
1
1
sgn .
n
tt
i ij j
j
Y wY
+
=
éù
êú
=
êú
êú
ëû
å
3. Вычисления выполняются до тех пор, пока не наступит рав-
новесие, т. е. пока все выходы не станут постоянными. Этот вектор
и будет образом, соответствующим входному вектору Y.
Для хорошей работы сети Хопфилда необходимо, чтобы запоми-
наемые образы были мало похожи друг на друга, т. е. слабо корре-
лированны (или ортогональны).
Мера коррелированности двоичных векторов X
j
и X
k
описыва-
ется формулой
1
.
n
j
k
jk i
i
i
K xx
=
=
å
Для всех m запоминаемых образов получаем формулу
11
.
mm
jk
jk
KK
==
=
åå
Повышение качества работы сети Хопфилда может быть до-
стигнуто благодаря использованию так называемого «алгоритма
забывания». Суть этого подхода заключается в том, что на этапе
формирования матрицы весов наряду с «истинными» образами
сеть запоминает некоторое число «ложных» образов. Затем сеть по-
лучает некоторое входное значение и постепенно достигает точки
притяжения, соответствующей некоторому образу. Если этот образ
X
F
оказался ложным, то веса сети корректируются по формуле
ò
1( ) () .
FF
Wt Wt X Xλ+= -

Страницы