Нейросетевые технологии. Каширина И.Л. - 48 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

48
Рис. 25. Идеальные образы обучающей выборки
Сеть обучалась по правилу Хебба на трех идеальных образах – шрифтовых
начертаниях латинских букв А, B и C (рис. 25). Темные ячейки соответст-
вуют нейронам в состоянии +1, светлые –1. После обучения нейросети в
качестве начальных состояний нейронов предъявлялись различные иска-
женные версии образов, которые в процессе функционирования сети схо-
дились к стационарным состояниям. Для каждой пары
изображений на
рисунках 26, 27 и 28 левый образ является начальным состоянием, а пра-
вый – результатом работы сети – достигнутым стационарным состоянием.
Рис. 26. Сеть Хопфилда распознает образ
с информационным шумом
Рис. 27. Сеть Хопфилда распознает образ по его небольшому фрагменту
Рис. 28. Сеть Хопфилда генерирует ложный образ
Опыт практического применения сетей Хопфилда показывает, что
эти нейросетевые системы способны распознавать практически полностью 
             Рис. 25. Идеальные образы обучающей выборки
Сеть обучалась по правилу Хебба на трех идеальных образах – шрифтовых
начертаниях латинских букв А, B и C (рис. 25). Темные ячейки соответст-
вуют нейронам в состоянии +1, светлые –1. После обучения нейросети в
качестве начальных состояний нейронов предъявлялись различные иска-
женные версии образов, которые в процессе функционирования сети схо-
дились к стационарным состояниям. Для каждой пары изображений на
рисунках 26, 27 и 28 левый образ является начальным состоянием, а пра-
вый – результатом работы сети – достигнутым стационарным состоянием.




               Рис. 26. Сеть Хопфилда распознает образ
                       с информационным шумом




Рис. 27. Сеть Хопфилда распознает образ по его небольшому фрагменту




           Рис. 28. Сеть Хопфилда генерирует ложный образ
      Опыт практического применения сетей Хопфилда показывает, что
эти нейросетевые системы способны распознавать практически полностью
                                  48

Страницы