Недавно я обнаружил, что и сети Хэмминга, и сети Хопфилда представляют собой адресуемые по содержанию воспоминания . Однако в чем разница между конструкциями этих двух сетей и их производительностью?
Сети Хопфилда и Хэмминга — это старые коннекционистские сети, используемые для классификации зашумленных двоичных входных данных.
Сети Хопфилда являются основой для сетей Хэмминга, поэтому давайте сначала сосредоточимся на них.
Сеть Хопфилда — это набор нейронов, которые выполняют классификацию посредством взаимного торможения, как показано на рисунке ниже из Википедии:
Обратите внимание, что нейроны не похожи на ваши типичные биологически правдоподобные нейроны, они имеют два состояния «+1» и «-1». Их правило обновления, которое вынуждает их переходить в шаблон вывода, включает эти два состояния.
Сеть Хэмминга — это двухслойная сеть, как показано на этом рисунке (взято отсюда ), где данные идут снизу:
Как видите, второй слой, иногда называемый слоем MaxNet, идентичен сети Хопфилда, однако входной слой напоминает классический однослойный персептрон. Этот однослойный персептрон обучается в соответствии с расстояниями Хэмминга входных данных.
С точки зрения производительности, как показано в заключении Липпмана и др. « Сравнение нейронных сетей Хэмминга и Хопфилда для классификации образов», сети Хэмминга обычно превосходят сети Хопфилда.
Wuschelbeutel Kartoffelhuhn
Шонни123