Red hopfield

Solo disponible en BuenasTareas
  • Páginas : 13 (3233 palabras )
  • Descarga(s) : 0
  • Publicado : 3 de febrero de 2011
Leer documento completo
Vista previa del texto
MODELO RED NEURONAL HOPFIELD

Resumen

Aquí se centra en las redes de Hopfield bipolar y la forma de generalizar la adaptación conocidas y reglas de activación de redes bi-polar para lograr resultados similares para redes experimentales tripolar. La cuestión cardinal a discutir es si las paradas de la red tri-polar en un tiempo finito para cada entrada dada como la red bipolar hace (cuandose utiliza la activación de la red asincrónica).

Contenido
Breve Descripción de Tipo de Redes

Bi-polar Hopfield ejemplo la red 2
red Bi-polar adaptación y activación generalización artículos 4
red tri-polar basada en reglas generalizadas 6
red tri-polar prueba la firmeza de 8


Bi-polar Hopfield ejemplo de red

Este neuronas bipolares xiejemplo muestra la red asociativa bipolarconsiste en 9 3 conectados entre sí.{-1, 1} dispuestas en cuadrícula de 3 Cada conexión entre dos neuronas i y j se pesa con wij Z.

Red

x0 x1 x2
x3 x4 x5
x6 x7 x8

Patrones

1 - 1 - 1 -
- 1 - 1 1 1
1 - 1 - 1 -

(Símbolo "-" que representa el valor de -1 utiliza para la simplicidad de notación)

Adaptación (pesos):

Sobre la base de: wij = xi(p)xj(p)

w00 = w11 = w22= w33 = w44 = w55 = w66 = w77 = w88 = 0
w01 = w10 = 1.- + -.1 = -2 w02 = w20 = 1.1 + -.- = 2 w03 = w30 = 1.- + -.1 = -2 w04 = w40 = 1.1 + -.1 = 0
w05 = w50 = 1.- + 1.1 = 0 w06 = w60 = 1.1 + -.- = 2 w07 = w70 = 1.- + -.1 = -2 w08 = w80 = 1.1 + -.- = 2
w12 = w21 = -.1 + 1.- = -2 w13 = w31 = -.- + 1.1 = 2 w14 = w41 = -.1 + 1.1 = 0 w15 = w51 = -.- + 1.1 = 2
w16 = w61 = -.1 + 1.- = -2 w17 = w71 =-.- + 1.1 = 2 w18 = w81 = -.1 + 1.- = -2 w23 = w32 = 1.- + -.1 = -2
w24 = w42 = 1.1 + -.1 = 0 w25 = w52 = 1.- + -.1 = -2 w26 = w62 = 1.1 + -.- = 2 w27 = w72 = 1.- + -.1 = -2
w28 = w82 = 1.1 + -.- = 2 w34 = w43 = -.1 + 1.1 = 0 w35 = w53 = -.- + 1.1 = 2 w36 = w63 = -.1 + 1.- = -2
w37 = w73 = -.- + 1.1 = 2 w38 = w83 = -.1 + 1.- = -2 w45 = w54 = 1.- + 1.1 = 0 w46 = w64 = 1.1 + 1.- = 0
w47 = w74 =1.- + 1.1 = 0 w48 = w84 = 1.1 + 1.- = 0 w56 = w65 = -.1 + 1.- = -2 w57 = w75 = -.- + 1.1 = 2
w58 = w85 = -.1 + 1.- = -2 w67 = w76 = 1.- + -.1 = -2 w68 = w86 = 1.1 + -.- = 2 w78 = w87 = -.1 + 1.- = -2

w 0 1 2 3 4 5 6 7 8
0 0 -2 2 -2 0 0 2 -2 2
1 -2 0 -2 2 0 2 -2 2 -2
2 2 -2 0 -2 0 -2 2 -2 2
3 -2 2 -2 0 0 2 -2 2 -2
4 0 0 0 0 0 0 0 0 0
5 0 2 -2 2 0 0 -2 2 -2
6 2 -2 2 -2 0 -2 0 -2 2
7 -2 2-2 2 0 2 -2 0 -2
8 2 -2 2 -2 0 -2 2 -2 0

Activación(Asíncrono)

Sobre la base de: xj(t+1) = -1 / xj(t) / 1 iff wijxi(t)  / = /   (=0)

Ejemplo 1:

- - 1 8 1 - 1 -6 1 - 1 6 1 - 1 -6 1 - 1 0 1 - 1 -8 1 - 1 10 1 - 1 -14
- 1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 - - 1 -
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Round #1

1 - 1 14 1 - 1 12 1 - 1 -14 1 - 1 14 1 -1 -14 1 - 1 0 1 - 1 -12 1 - 1 14
- 1 - - 1 - - 1 - - 1 - - 1 - - 1 - - 1 - - 1 -
1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1
Round #2

1 - 1 -14 1 - 1 14 1 - 1 12
- 1 - - 1 - - 1 -
1 - 1 1 - 1 1 - 1
Round #3

La red es ahora estable, el patrón 1 se reconoció

Ejemplo 2:

1 1 - -8 - 1- 6 - 1 - -6 - 1 - 6 - 1 - 0 - 1 - 8 - 1 - -10 - 1 - 14
1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 1 - 1 1 1 1 1 1
- - - - - - - - - - - - - - - - - - - - - - - -
Round #1

- 1 - -14 - 1 - -12 - 1 - 14 - 1 - -14 - 1 - 14 - 1 - 0 - 1 - 12 - 1 - -14
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
- 1 - - 1 - - 1 - - 1 - - 1 - - 1 - - 1 - - 1 -Round #2

- 1 - 14 - 1 - -14 - 1 - -12
1 1 1 1 1 1 1 1 1
- 1 - - 1 - - 1 -
Round #3

La red es ahora estable, el patrón 2 se reconoció

Red Bi-polar adaptación y generalización de activación normas

Regla básica de adaptación xi (p) x ¡(p) no hace más que la codificación de la información sobre cada par de valores de las neuronas...
tracking img