Hopfield réseau de neurones

Question

Connaissez-vous l'application à côté modèle recon. worthe afin de mettre en œuvre le modèle de réseau de neurones Hopfield?

Answer 1

réseaux de neurones récurrents (dont Hopfield filets sont un type spécial) sont utilisées pour plusieurs tâches dans l'apprentissage de la séquence:

• Prédiction de séquence (Mapper une histoire de la valeur des actions à la valeur attendue dans la prochaine timestep)
• Classification de séquence (Carte chaque extrait audio complet à un haut-parleur)
• l'étiquetage de séquence (carte un extrait audio à la phrase prononcée)
• apprentissage par renforcement Markoviens (par exemple des tâches qui nécessitent de la mémoire profonde comme la référence T-Maze)

Je ne sais pas ce que vous entendez par « la reconnaissance des formes » exactement, car il est essentiellement un champ entier dans lequel chaque tâche pour laquelle les réseaux de neurones peut être utilisé fits.

Answer 2

Vous pouvez utiliser le réseau Hopfield pour les problèmes d'optimisation ainsi.

Answer 3

Vous pouvez checkout ce dépôt -> Hopfield Réseau

Il vous un exemple pour le test d'un modèle après le train du réseau hors ligne. Ceci est le test

 @Test
 public void HopfieldTest(){
     double[] p1 = new double[]{1.0, -1.0,1.0,-1.0,1.0,-1.0,1.0,-1.0,1.0};
     double[] p2 = new double[]{1.0, 1.0,1.0,-1.0,1.0,-1.0,-1.0,1.0,-1.0};
     double[] p3 = new double[]{1.0, 1.0,-1.0,-1.0,1.0,-1.0,-1.0,1.0,-1.0};

     ArrayList<double[]> patterns = new ArrayList<>();
     patterns.add(p1);
     patterns.add(p2);

     Hopfield h = new Hopfield(9, new StepFunction());

     h.train(patterns); //train and load the Weight matrix

     double[] result = h.test(p3); //Test a pattern

     System.out.println("\nConnections of Network: " + h.connections() + "\n"); //show Neural connections
     System.out.println("Good recuperation capacity of samples: " + Hopfield.goodRecuperation(h.getWeights().length) + "\n");
     System.out.println("Perfect recuperation capacity of samples: " + Hopfield.perfectRacuperation(h.getWeights().length) + "\n");
     System.out.println("Energy: " + h.energy(result));

     System.out.println("Weight Matrix");
     Matrix.showMatrix(h.getWeights());
     System.out.println("\nPattern result of test");
     Matrix.showVector(result);

     h.showAuxVector();
 }

Et vous pouvez voir après le test

Running HopfieldTest

Connections of Network: 72

Good recuperation capacity of samples: 1

Perfect recuperation capacity of samples: 1

Energy: -32.0

Weight Matrix
 0.0        0.0     2.0    -2.0      2.0       -2.0       0.0       0.0     0.0
 0.0        0.0     0.0     0.0      0.0        0.0      -2.0       2.0    -2.0
 2.0        0.0     0.0    -2.0      2.0       -2.0       0.0       0.0     0.0
-2.0        0.0    -2.0     0.0     -2.0        2.0       0.0       0.0     0.0
 2.0        0.0     2.0    -2.0      0.0       -2.0       0.0       0.0     0.0
-2.0        0.0    -2.0     2.0     -2.0        0.0       0.0       0.0     0.0
 0.0       -2.0     0.0     0.0      0.0        0.0       0.0      -2.0     2.0
 0.0        2.0     0.0     0.0      0.0        0.0      -2.0       0.0    -2.0
 0.0       -2.0     0.0     0.0      0.0        0.0       2.0      -2.0     0.0

Pattern result of test 

 1.0        1.0     1.0     -1.0     1.0       -1.0      -1.0       1.0     -1.0
-------------------------
The auxiliar vector is empty

J'espère que cela peut vous aider