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.
∑∑<br />
E = ( −1/<br />
2)<br />
w o o . (53)<br />
i<br />
j<br />
ij<br />
i<br />
j<br />
В этом случае при асинхронном срабатывании i-ого нейрона (т.е. при постоянстве<br />
выходов остальных нейронов) энергия нейросети изменится на δE:<br />
δ E w o = −δo<br />
⋅a<br />
, (54)<br />
= −δoi<br />
⋅∑<br />
j≠i<br />
ji<br />
j<br />
i<br />
i<br />
где: δo i – изменение выхода i-ого нейрона при его срабатывании; a i – сетевой<br />
вход i-ого нейрона, который при этом должен оставаться неизменным. Если сетевой<br />
вход a i меньше нуля, то нейрон не срабатывает, его выход не меняется, и,<br />
следовательно, общая энергия сети не меняется. Если сетевой вход больше нуля,<br />
то нейрон активируется. Если он и до этого был активным, то его выход и<br />
общая энергия сети при этом не меняются. Если же он до этого был неактивен,<br />
то значение δo i будет положительным, а значение δE будет отрицательным,<br />
следовательно, энергия сети при срабатывании нейрона будет уменьшаться.<br />
При точном равенстве сетевого входа нулю δE тоже равно нулю, т.е. общая<br />
энергия сети не меняется. Таким образом, во всех случаях энергия сети либо<br />
уменьшается, либо остается неизменной. Следовательно, в процессе работы<br />
нейросети ее энергия минимизируется.<br />
С этим свойством нейросетей Хопфилда тесно связано их использование<br />
в нейроматематике для решения задач оптимизации, и прежде всего комбинаторной<br />
оптимизации, что в перспективе не может не найти применения при решении<br />
задач «структура-свойство». Для того, чтобы решить задачу оптимизации<br />
при помощи нейросети Хопфилда, надо переформулировать эту задачу в<br />
терминах минимизации функции Ляпунова, для которой нужно построить соответствующую<br />
нейросеть. Второй и не менее важной областью применения нейросетей<br />
Хопфилда является их использование для реализации ассоциативной<br />
памяти и осуществления распознавания образов (эти две функции тесно связаны<br />
друг с другом и поэтому они рассматриваются обычно вместе). Для этой цели<br />
используются сети, работающие с сигналами в интервале от -1 до 1.<br />
Фаза обучения нейросетей Хопфилда очень проста и сводится к однократному<br />
применению имеющего серьезные нейрофизиологические обоснова-<br />
54