Искусственные нейронные сети. Каширина И.Л. - 38 стр.

                                         38
                                           n
                                  bkl =∑ x kj x lj .
                                          j =1

Шаг 2. Определяется матрица C , обратная к матрице B : C =B −1 .
Шаг 3. Задаются весовые коэффициенты сети Хопфилда:
                                       K K
                                wij =∑ ∑ xik x lj ckl
                                      k =1 l =1
     Cущественным недостатком метода ортогонализации является его нело-
кальность: прежде чем начать обучение, необходимо наперед знать все обучаю-
щие образы. Добавление нового образа требует полного переобучения сети.

                               7.2. Сеть Хэмминга
Основным недостатком сети Хопфилда является ее большая ресурсоемкость. Сеть
Хэмминга характеризуется, по сравнению с сетью Хопфилда, меньшими затра-
тами памяти и меньшим объемом вычислений. Эта сеть состоит из двух слоев.
Каждый слой имеет по m нейронов, где m — число запоминаемых образов. Сеть
имеет n входов, соединенных со всеми нейронами первого слоя (W- матрица ве-
совых коэффициентов связей). Значения входов сети - биполярные (из множест-
ва {-1,1}). Нейроны второго слоя связаны между собой отрицательными об-
ратными (ингибиторными) связями. Единственный вес с положительной об-
ратной связью для каждого нейрона соединен с его же выходом.
Идея работы сети состоит в оценке величины, обратной расстоянию Хэмминга, от
тестируемого образа до всех эталонных образцов (расстоянием Хэмминга на-
зывается число отличающихся битов в двух бинарных векторах). Сеть должна
выбрать образец с минимальным расстоянием Хэмминга до неизвестного входно-
го сигнала — и активизировать только один выход сети, соответствующий
этому образцу.

                       W




                         Рис. 22. Структура сети Хэмминга