Perceptron, Hopfieldova síť - eAMOS
Perceptron, Hopfieldova síť - eAMOS Perceptron, Hopfieldova síť - eAMOS
Hopfieldova síť – učeníPro každý vzor vytvoříme dílčí matici dimenze NxN (N je počet vstupů). Tuto matici tvoříprvky, které vzniknou vynásobením i-tého vstupu s j-tým výstupem (je-li i=j, je prveknulový). Výsledná čtvercová matice vah vznikne jako součet všech dílčích maticjednotlivých vzorů, kterých je MPoužívá se Hammingova metrika (součet absolutních hodnot rozdílu soběodpovídajících vektorových souřadnic)
Hopfieldova síť – vybavování
- Page 1 and 2: Perceptron
- Page 3 and 4: Rosenblattův perceptron Rosenblatt
- Page 5 and 6: Rosenblattův perceptron Vlastní p
- Page 7 and 8: PerceptronRozdíl mezi McCulloch-Pi
- Page 9 and 10: Učící algoritmus perceptronu
- Page 11 and 12: Geometrická interpretace učení
- Page 13 and 14: Lineárně separovatelné a nesepar
- Page 15 and 16: ADALINE (Adaptive Linear Neuron) Za
- Page 17 and 18: Hopfieldova síť
- Page 19: Hopfieldova síť Vstupy x 0 ,x 1 ,
- Page 23: Hopfieldova síť - příkladVybavo
<strong>Hopfieldova</strong> <strong>síť</strong> – vybavování