1 / 8

Hopfield Netz

Hopfield Netz. Künstliches Neuronales Netz nach John Hopfield. Eigenschaften. Familie der Feedback-Netze (Rückkopplung) Eine Schicht dient gleichzeitig als Ein- und Ausgabeschicht Jedes Neuron ist mit jedem anderen ausser sich selber verbunden ( full connectivity )

clovis
Télécharger la présentation

Hopfield Netz

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Hopfield Netz Künstliches Neuronales Netz nach John Hopfield Cyrill Gyger

  2. Eigenschaften • Familie der Feedback-Netze (Rückkopplung) • Eine Schicht dient gleichzeitig als Ein- und Ausgabeschicht • Jedes Neuron ist mit jedem anderen ausser sich selber verbunden (fullconnectivity) • Die Neuronen sind binär und können entweder den Wert -1 oder 1 annehmen Cyrill Gyger

  3. Funktion • Ein Hopfield-Netz kann mehrere Muster (Pattern) speichern, wobei jedes Muster aus Pixeln besteht, die jeweils ein Neuron repräsentieren (binärer Zustand) • Ein initialisiertes Netz kann so verwendet werden, um ein Eingabe-Pattern zu rekonstruieren • Dabei wird das Pattern an das ihm am meisten ähnelnde Initial-Pattern herangeführt (entwickelt) • Mittels dieser Technik lassen sich beispielsweise OCR-Programme umsetzen Cyrill Gyger

  4. Beispiel / Demo • Das folgende Beispiel wird mittels des Hopfield-Simulators, zu finden unter der URL http://www.phy.syr.edu/courses/modules/MM/sim/hopfield.html realisiert • Es wird versucht, eine einfache Text-Erkennung mittels eines Hopfield-Netzes umzusetzen Cyrill Gyger

  5. Text-Erkennung 1/3 • Zuerst werden die Initial Pattern erzeugt und im Netz gespeichert • Hier sind dies die Buchstaben A-G Cyrill Gyger

  6. Text-Erkennung 2/3 • Nun wird versucht, ein etwas ungenaues A als Eingabe zu verwenden und mit dem gespeicherten A aus den Initial-Patterns zu matchen: • Das A wird dem am meisten passenden Pattern aus dem Hopfield-Netz zugeordnet, dem gespeicherten A! Cyrill Gyger

  7. Text-Erkennung 3/3 • Das selbe wird nun mit einem verfälschten G gemacht: • Wiederum findet das Hopfield-Netz das am meisten passende Pattern und erkennt das G korrekt. Cyrill Gyger

  8. Anwendung / Nutzen • Wie gezeigt wurde, eignen sich Hopfiel-Netze ideal als Autoassoziativspeicher • Dadurch lassen sich Muster speichern und später mit Eingangs-Mustern matchen • Die Bildverarbeitung hat entsprechend viel Anwendungspotenzial für Hopfield-Netze • Ganz allgemein kommen Sie aber für Assoziativ-Speicher-Systeme zum Einsatz Cyrill Gyger

More Related