Page 67 - 4524
P. 67

4. Після цього отримання значення ініціалізують значен-
                            ня виходів другого прошарку:
                                                          (1)
                                                    (2)
                                                  y j  = y j , j = 0...m-1,            (5.21)
                                  5.  Обчислюються нові стани нейронів другого прошар-
                            ку:
                                                            m
                                          ) 2 (
                                                                 ) 2 (
                                       S (  t 1   )  y ( t)    y ( t),  k   j,  j 1  ... m ,     (5.22)
                                         j          j          k
                                                           k 1
                            і значення їх виходів:
                                                    y  ) 1 (  ( t  ) 1  f  S  ) 2 (  ( t  ) 1 .       (5.23)
                                                     j            j
                                  Передатна функція f має вид порога, причому величина b
                            повинна бути достатньо великою, щоб будь-які можливі зна-
                            чення аргументу не призводили до насичення.
                                  6. Перевіряється, чи змінилися виходи нейронів другого
                            прошарку за останню ітерацію. Якщо так - перейти до кроку 3.
                            Інакше - кінець.
                                   Роль  першого  прошарку  є  умовною:  скориставшись
                            один раз на першому кроці 1 значеннями його вагових коефі-
                            цієнтів, мережа більше не вертається до нього, тому перший
                            прошарок може бути взагалі виключений із мережі.
                                  Мережа Хемінга має ряд переваг над мережею Хопфіл-
                            да. Вона реалізує оптимальний класифікатор мінімуму похиб-
                            ки, якщо похибки вхідних бітів є випадковими та незалежни-
                            ми. Для функціонування мережі Хемінга потрібна менша кі-
                            лькість  нейронів,  оскільки  середній  прошарок  вимагає  лише
                            один нейрон на клас, замість нейрону на кожен вхідний вузол.
                            І, нарешті, мережа Хемінга не страждає від неправильних кла-
                            сифікацій, які можуть трапитись у мережі Хопфілда. В ціло-
                            му, мережа Хемінга є як швидшою, так і точнішою за мережу
                            Хопфілда.

                                  5.14 Двоскерована асоціативна пам'ять

                                  Ця мережна модель була розроблена Бартом Козко (Bart
                            Kosko) і розширює модель Хопфілда. Множина парних обра-
                            зів навчається за образами, що представлені як біполярні век-
                            тори. Подібно до мережі Хопфілда, коли представляється за-
                            шумлена версія одного образу, визначається найближчий об-
                            раз, асоційований з ним.


                                                           66
   62   63   64   65   66   67   68   69   70   71   72