Искусственные нейронные сети. Сивохин А.В - 125 стр.

            Лабораторная работа № 15

      Исследование сетей Хопфилда
   Цель работы: изучение архитектуры рекуррентных нейронных
сетей Хопфилда и специальных функций для их создания, взвешива-
ния входов, накопления и активизации; ознакомление с демонстра-
ционными примерами и их скриптами, а также приобретение навы-
ков построения таких сетей для решения задач распознавания обра-
зов и создания ассоциативной памяти.

              Теоретические сведения
   Сеть Хопфилда относится к классу рекуррентных нейронных
сетей. Она имеет один нейронный слой с функциями взвешивания
dotprod, накопления netsum и линейной ограниченной функцией
активизации satlins. Слой охвачен динамической обратной связью с
весами LW{1,1} и имеет смещения.
   Сети Хопфилда обладают тем отличительным свойством, что при
поступлении на вход некоторого вектора признаков в виде началь-
ных условий, они за конечное число тактов времени приходят в со-
стояние устойчивого равновесия, зависящего от входного вектора.
Это позволяет ассоциировать входной вектор с некоторым состояни-
ем сети, или объектом предметной области. Состояния устойчивого
равновесия называются также аттракторами сети. Помимо целевых
аттракторов в сети могут иметь место паразитные, которые не соот-
ветствуют никаким векторам входа. При создании сети Хопфилда
специальные алгоритмы синтеза сводят к минимуму число таких
паразитных точек равновесия и обеспечивают максимальный размер
области притяжения для точек равновесия.
   Функция для создания сети Хопфилда имеет вид:
                          net=newhop(T),
где Т – массив размера R*Q,объединяющий Q целевых векторов со
значениями +1 или -1 для элементов;
    R – число элементов вектора входа.



                              125