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.

مثال سيب و پرتقال!

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.

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.

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.

نوشته شبکه عصبی هاپفیلد اولین بار در ايران متلب. پدیدار شد.