홉 필드 신경망

Question

Pattern Recog 외에 응용 프로그램을 알고 있습니까? Hopfield Neural Network 모델을 구현하기 위해 Worthe?

Answer 1

재발 성 신경망 (Hopfield Nets가 특수 유형 인)은 순서 학습의 여러 작업에 사용됩니다.

• 시퀀스 예측 (다음 타임 스텝에서 재고 값의 예상 값에 대한 값을 매핑)
• 시퀀스 분류 (각 완전한 오디오 스 니펫을 스피커에지도)
• 시퀀스 라벨링 (오디오 스 니펫을 말하는 문장에지도)
• 비 마르 코비아 강화 학습 (예 : T-Maze 벤치 마크로 깊은 기억이 필요한 작업)

기본적으로 신경망이 사용될 수있는 각 작업이 전체 필드이기 때문에 "패턴 인식"이 정확히 무엇을 의미하는지 잘 모르겠습니다.

Answer 2

최적화 문제를 위해 Hopfield 네트워크를 사용할 수도 있습니다.

Answer 3

이 저장소를 확인할 수 있습니다 -> 홉 필드 네트워크

네트워크 오프라인으로 훈련 한 후 패턴을 테스트 할 예제가 있습니다. 이것은 테스트입니다

 @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();
 }

그리고 테스트를 실행 한 후에는 볼 수 있습니다

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

이것이 당신을 도울 수 있기를 바랍니다