Интеллектуальные информационные системы. Макаренко С.И. - 158 стр.

UptoLike

Составители: 

157
2. Связи между нейронами симметричны: W
ij
= W
ji
, сам с собой нейрон
не связан W
ii
= 0.
Каждый нейрон может принимать лишь два состояния:
Изменение состояний возбуждения всех нейронов может происходить
либо последовательно, либо одновременно (параллельно), но свойства сети
Хопфилда не зависят от типа динамики.
Взаимодействие нейронов сети описывается выражением:
,
где w
ij
элемент матрицы взаимодействий W, которая состоит из весовых
коэффициентов связей между нейронами. В эту матрицу в процессе обучения
записывается М «образов» N-мерных бинарных векторов:
S
m
= (s
m1
, s
m2
, ..., s
mN
)
Рисунок 16.2 - Модель Хопфилда
По сути сеть Хопфилда - это рекуррентная сеть ассоциативной
памяти с динамикой, управляемой системой
(
)
( 1) ( ) .
x t G Wx t
θ
+ =
    2. Связи между нейронами симметричны: Wij = Wji, сам с собой нейрон
       не связан Wii = 0.
    Каждый нейрон может принимать лишь два состояния:



    Изменение состояний возбуждения всех нейронов может происходить
либо последовательно, либо одновременно (параллельно), но свойства сети
Хопфилда не зависят от типа динамики.
    Взаимодействие нейронов сети описывается выражением:


                                   ,
где wij элемент матрицы взаимодействий W, которая состоит из весовых
коэффициентов связей между нейронами. В эту матрицу в процессе обучения
записывается М «образов» — N-мерных бинарных векторов:
Sm = (sm1, sm2, ..., smN)




                           Рисунок 16.2 - Модель Хопфилда

    По сути сеть Хопфилда - это рекуррентная сеть ассоциативной
памяти с динамикой, управляемой системой
    x(t + 1) = G (Wx(t ) − θ ) .




                                        157