Hopfield-Netz

Ein binärer Hopfield-Speicher enthält hier ein 8 × 8 Muster. Eine Vorlage wählen oder ein eigenes Raster mit . / # oder 0 / 1 eingeben. Die drei Bilder zeigen gespeichertes Muster, Eingabemuster mit reproduzierbaren Störungen und aktuellen Abruf. Blaue Zellen sind +1, leere Zellen −1.

Die Umkehrwahrscheinlichkeit kippt jeden Eingabepixel unabhängig; sie legt keine genaue Anzahl geänderter Pixel fest. Die tatsächliche Anzahl wird angezeigt. Der Seed reproduziert Eingabemuster und gemischte Aktualisierungsreihenfolge. Übereinstimmung ist der Anteil passender Pixel: 100 % bedeutet Wiederherstellung, 0 % das Komplement.

Die Gewichte sind unnormierte Hebb-Produkte Wᵢⱼ = pᵢpⱼ für i ≠ j, mit Wᵢᵢ = 0. Jeweils ein Neuron übernimmt das Vorzeichen seines lokalen Feldes; bei Feld null bleibt sein Zustand erhalten. Energie E = −Σᵢ<ⱼ Wᵢⱼsᵢsⱼ kann nicht steigen. Es gibt keine Schwellen, Trainingsepochen oder trainierten Bildmerkmale.

Ausführen animiert vier Aktualisierungen pro Frame. Pause/Fortsetzen bewahrt den Zustand; Einzelschritt aktualisiert ein Neuron. Ein vollständiger Durchlauf ohne Änderungen bestätigt Konvergenz; zehn Durchläufe sind nur ein Sicherheitslimit. Das Komplement ist ebenso stabil, daher muss starkes Rauschen nicht zum Original führen. Eingabeänderungen verwerfen den alten Lauf; Zurücksetzen stellt bei gleichen Parametern dasselbe Eingabemuster her. CSV enthält den ganzen Energie-/Überlappungsverlauf mit tatsächlichem Muster und Seed.

Dies ist ein Lehrmodell mit einem Muster, kein Erkennungssystem für mehrere Muster. Die Energie hat bei dieser Gewichtskonvention keine physikalische Einheit. Die Kurve zeigt Aktualisierungen, keine verstrichene Zeit. Hopfield (1982).