Искусственные нейронные сети. Сивохин А.В - 126 стр.

   После того как начальные условия заданы в виде массива T, опре-
деляющего ряд целевых вершин замкнутого гиперкуба, сеть для ка-
ждой вершины генерирует выход, который по обратной связи пода-
ётся на вход. Этот процесс при создании сети повторяется много раз,
пока её выход не установится в положение равновесия для каждой из
целевых вершин. При подаче затем произвольного входного вектора
сеть Хопфилда переходит в результате рекурсивного процесса к од-
ной из точек равновесия, наиболее близкой к входному сигналу.
   Динамическая модель рекуррентного слоя одной из модификаций
сети Хопфилда описывается следующим образом:

                ⎧⎪a 1 (k ) = satlins( LW 11a 1 (k − 1) + b1 );
                 ⎨ 1
                 ⎪⎩a (0) = p.
   Когда сеть Хопфилда спроектирована, она может быть проверена
с одним или большим числом векторов входа. Весьма вероятно, что
векторы входа, близкие к целевым точкам равновесия, найдут свои
цели. Способность сети Хопфилда быстро обрабатывать наборы век-
торов входа позволяет проверить сеть за относительно короткое вре-
мя. Сначала следует проверить, что точки равновесия целевых векто-
ров действительно принадлежат вершинам гиперкуба, а затем можно
определить области притяжения этих точек и обнаружить паразит-
ные точки равновесия.

                Практические задания
   Задание 1. Создать сеть Хопфилда с двумя устойчивыми точками
в трёхмерном пространстве, выполнив следующие команды:

  T =[-1 -1 1 ; 1 -1 1] ′ ;     % – целевые вершины;
  net =newhop(T);               % – создание сети;
  net, gensim(net)              % – параметры и структура сети;
  Ai = T ;               % – начальные условия для линий задержки;
  Y = sim(net,2,[], Ai);        % – сеть устойчива;
  Ai ={[-0.9 ; -0.8 ; 0.7]};
  Y=sim(net,{1 5},{}, Ai);      % – сеть обеспечила переход


                                     126