Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
выполняющего одновременно функции входного и выходного слоев, причем<br />
между слоями имеются как прямые связи, идущие от распределительного слоя<br />
к вычислительному, так и обратные связи, идущие от вычислительного слоя к<br />
распределительному (см. Рис. 11). В зависимости от решаемой задачи, сети<br />
Хопфилда работают с уровнями сигнала, находящимися в интервале как от 0 до<br />
1, так от -1 до 1. В классическом варианте нейроны вычислительного слоя обладают<br />
пороговой активационной функцией (2) при уровнях сигнала от 0 до 1<br />
либо (50) при уровнях сигнала от -1 до 1:<br />
⎧ 1, x ≥ 0<br />
f ( x)<br />
= ⎨ . (50)<br />
⎩−1,<br />
x < 0<br />
В этом случае нейросеть является бинарной, т.е. множество ее возможных<br />
состояний располагается на вершинах n-мерного гиперкуба, где n-число нейронов<br />
в вычислительном слое [92]. Имеется также и аналоговый вариант нейросети<br />
Хопфилда с сигмоидной активационной функцией (3) для уровней сигнала<br />
от 0 до 1 либо с функцией (51) для уровней сигнала от -1 до 1 [93]:<br />
x − x<br />
e − e<br />
f ( x)<br />
= th(<br />
x)<br />
= . (51)<br />
x −x<br />
e + e<br />
Рис. 11. Нейросеть Хопфилда. Пунктирная линия обозначает связь с нулевым<br />
весом. Слой 0 является распределительным, а слой 1 – вычислительным.<br />
В этом случае множество возможных состояний располагается внутри<br />
вышеупомянутого n-мерного гиперкуба, однако абсолютное большинство<br />
52