Решение задач классификации бинарных входных векторов с использованием искусственной нейронной сети Хэмминга. Расчет матрицы весовых коэффициентов нейронов первого слоя. Сигналы нейронной сети Хэмминга, получаемые на протяжении полного цикла расчета.
Нейронные сети Хемминга можно использовать для реализации ассоциативной памяти в тех случаях, когда нет необходимости, чтобы сеть выдавала на выходе образ в явном виде, а достаточно только его номер (или код). По сравнению с сетью Хопфилда сеть Хемминга имеет меньшие затраты на память и объем требуемых вычислений. Нейроны первого слоя имеют N связей, соединенными со входами сети (образующими фиктивный нулевой слой). В основе ее работы лежат процедуры, направленные на выбор в качестве решения задачи классификации одного из эталонных образов, наиболее близкого к поданному на вход сети зашумленному входному образу, и отнесение данного образа к соответствующему классу. На стадии обучения выполняется следующая последовательность действий: Рассчитывается матрица весовых коэффициентов нейронов первого слоя: Определяются настройки активационной функции: Задаются значения синапсов обратных связей нейронов второго слоя в виде элементов квадратной матрицы размера K x K: Устанавливается максимально допустимое значение нормы разности выходных векторов на двух последовательных итерациях Emax, требующееся для оценки стабилизации решения.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
