Сеть Хемминга. 
Модели искусственных нейронных сетей

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 x_i^k — 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.