Сеть Хемминга.
Модели искусственных нейронных сетей
Сеть Хэмминга является другой простейшей моделью ассоциативной памяти является. В этой сети на выходе НС формируется не сам образ в явном виде, а его номер. Таким образом, за каждым выходом сети закрепляется свой образ. Активационная функция обычно выбирается ступенчатая пороговая или кусочно-линейная (рис. 5.10). Причем величина t должна быть достаточно большой, чтобы любые возможные значения… Читать ещё >
Сеть Хемминга. Модели искусственных нейронных сетей (реферат, курсовая, диплом, контрольная)
Нейронная сеть, которая реализует параллельное вычисление расстояний Хемминга от входного вектора до нескольких векторов-образов, называется сетью Хемминга.
Сеть Хэмминга является другой простейшей моделью ассоциативной памяти является. В этой сети на выходе НС формируется не сам образ в явном виде, а его номер. Таким образом, за каждым выходом сети закрепляется свой образ.
Сеть состоит из двух слоев по m нейронов каждый, где m — число образов. Нейроны первого слоя имеют по n синапсов, соединенных с входами сети. Нейроны второго слоя связаны между собой ингибиторными синаптическими связями. Единственный синапс с положительной обратной связью для каждого нейрона соединен с его же аксоном (рис. 5.9).
Идея работы сети Хэмминга состоит в нахождении расстояния Хэмминга от входного образа (проверяемого) до всех хранимых в сети образов. Расстоянием Хэмминга называется число отличающихся бит в двух бинарных векторах. Сеть должна выбрать образ с минимальным расстоянием Хэмминга до неизвестного входного сигнала. В результате будет активизирован только один выход сети, соответствующий этому образу.
На стадии инициализации (в процессе обучения) весовым коэффициентам нейронов первого слоя и порогу активационной функции присваиваются следующие значения:
(5.5).
(5.6).
где xik — i-ый элемент k-го образа из множества А.
Элементы весовой матрицы W(2) выбираются одинаковыми для всех синапсов и равными некоторой величине за исключением диагональных элементов:
(5.7).
Активационная функция обычно выбирается ступенчатая пороговая или кусочно-линейная (рис. 5.10). Причем величина t должна быть достаточно большой, чтобы любые возможные значения аргумента не приводили к насыщению.
нейронный сеть персептрон ассоциативный.