Заключение

Нейронная сеть Хопфилда — полно-связная нейронная сеть с симметричной матрицей связей, состоящая из 3-х слоёв (входной, слой Хопфилда и выходной).

Сети Хопфилда функционируют до достижения равновесия, когда следующее состояние сети в точности равно предыдущему: начальное состояние является входным образом, а при равновесии получают выходной образ.

Граница ёмкости памяти для сети (то есть количество образов, которое она может запомнить) составляет приблизительно 15% от числа нейронов в слое Хопфилда.  При этом запоминаемые образы не должны быть сильно коррелированны. Размерности входных и выходных сигналов совпадают. Каждый нейрон (спина) системы может принимать одно из двух состояний: -1 или +1. В сети Хопфилда есть обратные связи и из-за этого нужно решать проблему устойчивости.

Сеть Хопфилда можно отнести к классу оптимизирующих сетей (фильтров). Отличительной особенностью фильтров является то, что матрица весовых коэффициентов настраивается детерминированным алгоритмом раз и навсегда, и затем весовые коэффициенты больше не изменяются.

Существуют  3 режима работы сети Хопфилда:

1)    режим фильтрации;

2)    синхронный режим;

3)    асинхронный режим (гарантирует устойчивое состояние сети).

Сеть Хопфилда  может быть использована как ассоциативная память, для решения некоторых задач оптимизации, а также как фильтр (задачи распознавания образов).

У сети Хопфилда есть достоинство и ряд недостатков (последних больше). Также существуют модификации данной сети.

Список использованных источников

1. Kryzhanovsky B.V., Litinskii L.B., Mikaelian A.L. «Vector-neuron models of associative memory» // Proc. of Int. Joint Conference on Neural Networks. –Будапешт - 2004с.  с.909–1004.

2. Хайкин С.  Нейронные сети: полный курс — 2-е изд. — М.: «Вильямс», 2006.  С. 1104.

3. www.basegroup.ru/glossary/

4. www.codenet.ru/progr/alg.

5. Сайт  www.neuroforex.net.