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.
Аннотация к работе
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.