Нейронная сеть Хопфилда

Нейронная сеть Элмана в Matlab.

По команде help elman можно получить следующую информацию об М-функциях, входящих в состав ППП Neural Network Toolbox и относящихся к построению сетей Элмана:

Elman recurrent networks	Рекуррентные сети Элмана
New networks	Формирование сети
newelm	Создание сети Элмана
Using networks	Работа с сетью
sim init adapt train	Моделирование Инициализация Адаптация Обучение
Weight functions	Функции взвешивания
dotprod ddotprod	Скалярное произведение Производная скалярного произведения
Net input functions	Функции накопления
netsum dnetsum	Сумма взвешенных входов Производная суммы взвешенных входов
Transfer functions	Функции активации
purelin tansig logsig dpurelin dtansig dlogsig	Линейная Гиперболический тангенс Логистическая Производная линейной функции Производная гиперболического тангенса Производная логистической функции
Performance functions	Функции оценки качества сети
mse msereg   dmse dmsereg	Среднеквадратичная ошибка обучения Среднеквадратичная ошибка обучения при применении регуляризации Производная среднеквадратичной ошибки обучения Производная среднеквадратичной ошибки обучения при применении регуляризации
Initialization functions	Функции инициализации сети
initlay initnw	Послойная инициализация Функция NW (Nguyen – Widrow)
Learning functions	Функции настройки параметров
learngd learngdm	Функция настройки методом градиентного спуска Функция настройки методом градиентного спуска с возмущением
Adapt functions	Функции адаптации
adapt	Адаптация весов и смещений
Training functions	Функции обучения
traingd   traingdm traingda	Градиентный спуск по правилу обратного распространения ошибки Градиентный спуск с возмущением Градиентный спуск с адаптацией параметра скорости настройки
Demonstrations	Демонстрационные примеры
appelm1	Пример рекуррентной сети Элмана

Нейро́нная сеть Хопфилда — полносвязная нейронная сеть с симметричной матрицей связей. В процессе работы динамика таких сетей сходится (конвергирует) к одному из положений равновесия. Эти положения равновесия являются локальными минимумами функционала, называемого энергией сети (в простейшем случае — локальными минимумами отрицательно определённой квадратичной формы на n-мерном кубе). Такая сеть может быть использована как автоассоциативная память, как фильтр, а также для решения некоторых задач оптимизации. В отличие от многих нейронных сетей, работающих до получения ответа через определённое количество тактов, сети Хопфилда работают до достижения равновесия, когда следующее состояние сети в точности равно предыдущему: начальное состояние является входным образом, а при равновесии получают выходной образ.

Дата добавления: 2015-06-04