ホップフィールド ニューラル ネットワーク

Question

パターン認識以外のアプリケーションを知っていますか?ホップフィールド ニューラル ネットワーク モデルを実装する価値はありますか?

Answer 1

リカレント ニューラル ネットワーク (ホップフィールド ネットは特別なタイプです) は、シーケンス学習のいくつかのタスクに使用されます。

• シーケンス予測 (株価の履歴を次のタイムステップの期待値にマッピング)
• シーケンス分類 (各完全な音声スニペットをスピーカーにマッピング)
• シーケンスのラベル付け (音声スニペットを話された文にマッピング)
• 非マルコフ強化学習 (例:T-Maze ベンチマークとして大容量メモリを必要とするタスク)

「パターン認識」が正確に何を意味するのかはわかりません。基本的に、パターン認識は、ニューラル ネットワークを使用できる各タスクが適合する分野全体だからです。

Answer 2

あなたにも最適化問題のためのホップフィールドネットワークを使用することができます。

Answer 3

あなたはこのリポジトリをチェックアウトすることができます - > ホップフィールドネットワークの

そこには、テスト電車後のパターンネットワークオフラインのための例があります。 これはテストです。

 @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();
 }

そしてテストを実行した後、あなたが見ることができます。

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

私は、これはあなたを助けることができると思います。