شبکه عصبی هاپفیلد


شبكه عصبي مصنوعي

در شبكهي Hamming مقدار «ناصفر» در خروجي كلاس را مشخص ميكند، در حالي كه در شبكهي Hopfiled بردار الگوي كلاس به عنوان خروجي داده ميشود.

hop2

مثال سيب و پرتقال!

hop1

 

 

 

اين شبكه ها قابليت به خاطر سپردن يك سري الگو را دارا هستند.

اين الگوها در اتصالات بين نرون ها ذخيره مي شود، درست مانند آنچه در مغز انسان رخ مي دهد..

بردارهاي ورودي و خروجي در دو فضاي متفاوت هستند. (ترجمه يك لغت از يك زبان به زبان ديگر)

بردارهاي ورودي و خروجي هر دو در يك فضا هستند.  (كاربرد: شناسايي كاراكتر)

 

شناسایی کاراکتر با شبکه عصبی هاپفیلد در متلب

برای درک این مفهوم شکل زیر را در نظر بگیرید. شبکه سه الگوی 3 و 8 و 1 را در مرحله آموزش یاد گرفته است. این یادگیری در وزنهای شبکه دخیره شده است.

hop3

حال اگر الگوی 3 نویزی شده وارد شود، شبکه  با الگوهای ذخیره شده در خود مقایسه می کند و الگویی که نزدیک تر است را انتخاب می کند.

 

ساختار شبکه عصبی هاپفیلد از نردیک در شکل زیر نشان داده شده است.

 

hop4

 

همانطور که می بینید تمامی ورودیها به خروجی وصل هستند و یک شبکه مثل کلاف در هم تنیده می باشد.

 

در صورتي كه بردارهاي ورودي (( متعامد يكه ))  باشند، شبكه ي تك لايه ي معرفي شده به راحتي و حتي بدون آموزش مي تواند به خوبي از عهده ي پياده سازي نقش يك حافظه ي تداعي گر برآيد.

 

شبکه هاپفیلد يك شبكه ي بازگشتي تك لايه است .

مانند شبك هي قبلي، به جاي آموزش وزن ها مقداردهي مي شوند.

hop5

 

 

Artifical Neural Network tutorial introduction training movie MATLAB programming for Artifical Neural Network tutorial training movie
MATLAB price prediction for Neural Network tutorial training movie MATLAB classification for Neural Network tutorial training movie
MATLAB times series prediction for Neural Network tutorial training movie MATLAB face detection Neural Network tutorial training movie
MATLAB advanced setting Neural Network tutorial training movie

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.