Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ния классического правила Хебба (Hebb) [96] к каждому из векторов обучающей<br />
выборки, в результате чего веса связей примут следующие значения:<br />
w<br />
ij<br />
N<br />
1<br />
= ∑ x<br />
N<br />
k = 1<br />
k<br />
i<br />
x<br />
k<br />
j<br />
,<br />
i = 1, K , M , j = 1,<br />
K M<br />
k<br />
где: x<br />
i<br />
- i-ый компонент k-ого вектора из обучающей выборки; N – количество<br />
векторов в обучающей выборке; M – число компонент в каждом из векторов.<br />
После того, как обучающие вектора занесены по формуле (55) в голографическую<br />
память нейросети (в оптических нейрокомпьютерах веса нейросетей<br />
Хопфилда кодируются участками реальных голограмм [97]), нейросеть может<br />
быть использована для извлечения занесенного в память вектора по предъявлению<br />
ей неполного или частично искаженного его варианта. Для этого выходы<br />
нейросети инициализируются значениями предъявляемого вектора, и сеть запускается<br />
на счет. В результате через определенное время она стабилизируется<br />
в ближайшем глубоком минимуме функции энергии, и на ее вычислительных<br />
нейронах формируются выходные значения, вектор которых совпадает с одним<br />
из занесенных в память векторов. Если предъявленный вектор представляет<br />
собой неполный вариант запомненного вектора, то в результате работы нейросети<br />
происходит его дополнение отсутствующими компонентами. В этом случае<br />
говорят об извлечении информации из ассоциативной памяти по заданной<br />
части этой информации (как это и происходит в случае человеческой памяти).<br />
Если же предъявляемый вектор представляет собой искаженный вариант запомненного<br />
вектора, то происходит исправление его, что фактически представляет<br />
собой распознавание образов (предполагается, что в голографическую память<br />
нейросети загружены типичные представители распознаваемых классов<br />
образов).<br />
55<br />
(55)<br />
Нейросети Хопфилда имеют очень ограниченную емкость – безошибочное<br />
извлечение запомненных векторов возможно только в том случае, если<br />
число их не превышает 14% от числа нейронов. При превышении этого порога<br />
нейросеть начинает стабилизироваться в аттракторах, не совпадающих ни с одним<br />
из запомненных векторов. Подобные аттракторы получили негативные названия,<br />
такие как ложная (spurious) или паразитная память, химеры, русалки и
Change language