WikiDer > Hopfield-Netzwerk

Ein Hopfield-Netzwerk mit vier Knoten.

EIN Hopfield-Netzwerk, erfunden von John Hopfield, ist eine einzelne Schicht wiederkehrendneurales Netzwerk. Ein solches Netzwerk kann als assoziatives Gedächtnis und besteht aus binär oder polar Neuronen. Jedes Neuron ist mit jedem anderen Neuron verbunden. Die Verbindungen haben normalerweise die folgenden Einschränkungen:

• ${displaystyle w_{ii}=0,füralle i}$ (Einheiten sind nicht mit sich selbst verbunden)
• ${displaystyle w_{ij}=w_{ji},füralle i,j}$ (Anschlüsse sind symmetrisch)

Zunächst kann ein Hopfield-Netzwerk mit Lernmustern gefüllt werden, wonach die Gewichtung jeder Verbindung bestimmt wird. Im Gegensatz zu einem Netzwerk mit Backpropagation, die Gewichte werden danach nicht mehr angepasst.

Mit jedem Lernmuster, mit der Form ${Anzeigestil (x_{1},..,x_{i},..,x_{j},..,x_{n})}$, schaut sich an, wie dieses Muster zum Gewicht beiträgt ${displaystyle w_{ij}}$. Dies ergibt die folgende Summation nach ${displaystyle m}$ Muster:

${displaystyle w_{ij}={ egin{cases}sum _{s=1}^{m}x_{i}^{(s)}cdot x_{j}^{(s)};&{mbox{if }}ieq j/0;&{mbox{if }}i=jend{cases}}}$,

Externe Links

• Kapitel 13 Das Hopfield-Modell oder Neuronale Netze - Eine systematische Einführung von Raul Rojas (ISBN 978-3540605058 )
• Hopfield Neuronal Network Applet
• Hopfield Neural Network-Implementierung in Ruby (AI4R)
• Das Problem des Handlungsreisenden - Hopfield Neuronal Network JAVA Applet
• Stipendiat.org - Hopfield-Netzwerk - Artikel über Hopfield Networks von John Hopfield
• Lernen im Hopfield-Netzwerk mit deterministischen latenten Variablen - Tutorial von Tristan Fletcher
• Beispiel für ein rekurrentes Hopfield-Energieminimierungsnetzwerk
• Grafische Schnittstelle des Neurolabors^{[toter Link]} - Grafische Schnittstelle des Hopfield-Netzwerks (Python & gtk)

Mediendateien zu diesem Thema finden Sie auf der Seite Hopfield-Netz auf Wikimedia Commons.