Réseau de neurones Hopfield

Question

Connaissez-vous des applications en plus de pattern recog? worthe afin de mettre en œuvre le modèle de réseau neuronal Hopfield?

Answer 1

réseaux de neurones récurrents (dont houblonnière filets sont un type particulier) sont utilisés pour plusieurs tâches dans l'apprentissage de la séquence:

• prédiction des séquences (Mapper une histoire de la valeur des actions à la valeur attendue dans la prochaine timestep)
• classement de séquence (carte chaque extrait audio complet à un haut-parleur)
• d'étiquetage de séquence (carte un extrait audio à la phrase prononcée)
• renfort non-markovien apprentissage (par exemple des tâches qui nécessitent de la mémoire profonde que le T-Maze banc Mark)

Je ne suis pas sûr de ce que vous entendez exactement par "reconnaissance de modèle", car il s'agit essentiellement d'un champ entier dans lequel s'inscrit chaque tâche pour laquelle les réseaux de neurones peuvent être utilisés.

Answer 2

Vous pouvez également utiliser le réseau Hopfield pour des problèmes d'optimisation.

Answer 3

Vous pouvez pas commander ce dépôt ->Hopfield Network

Il vous un exemple pour le test d'un modèle après le train du réseau hors ligne. C'est le test

@Test 
public void HopfieldTest(){ 
    double[] p1 = new double[]{1.0, -1.0,1.0,-1.0,1.0,-1.0,1.0,-1.0,1.0}; 
    double[] p2 = new double[]{1.0, 1.0,1.0,-1.0,1.0,-1.0,-1.0,1.0,-1.0}; 
    double[] p3 = new double[]{1.0, 1.0,-1.0,-1.0,1.0,-1.0,-1.0,1.0,-1.0}; 

    ArrayList<double[]> patterns = new ArrayList<>(); 
    patterns.add(p1); 
    patterns.add(p2); 

    Hopfield h = new Hopfield(9, new StepFunction()); 

    h.train(patterns); //train and load the Weight matrix 

    double[] result = h.test(p3); //Test a pattern 

    System.out.println("\nConnections of Network: " + h.connections() + "\n"); //show Neural connections 
    System.out.println("Good recuperation capacity of samples: " + Hopfield.goodRecuperation(h.getWeights().length) + "\n"); 
    System.out.println("Perfect recuperation capacity of samples: " + Hopfield.perfectRacuperation(h.getWeights().length) + "\n"); 
    System.out.println("Energy: " + h.energy(result)); 

    System.out.println("Weight Matrix"); 
    Matrix.showMatrix(h.getWeights()); 
    System.out.println("\nPattern result of test"); 
    Matrix.showVector(result); 

    h.showAuxVector(); 
} 

Après le test, vous pouvez voir

Running HopfieldTest 

Connections of Network: 72 

Good recuperation capacity of samples: 1 

Perfect recuperation capacity of samples: 1 

Energy: -32.0 

Weight Matrix 
0.0  0.0  2.0 -2.0  2.0  -2.0  0.0  0.0  0.0 
0.0  0.0  0.0  0.0  0.0  0.0  -2.0  2.0 -2.0 
2.0  0.0  0.0 -2.0  2.0  -2.0  0.0  0.0  0.0 
-2.0  0.0 -2.0  0.0  -2.0  2.0  0.0  0.0  0.0 
2.0  0.0  2.0 -2.0  0.0  -2.0  0.0  0.0  0.0 
-2.0  0.0 -2.0  2.0  -2.0  0.0  0.0  0.0  0.0 
0.0  -2.0  0.0  0.0  0.0  0.0  0.0  -2.0  2.0 
0.0  2.0  0.0  0.0  0.0  0.0  -2.0  0.0 -2.0 
0.0  -2.0  0.0  0.0  0.0  0.0  2.0  -2.0  0.0 

Pattern result of test 

1.0  1.0  1.0  -1.0  1.0  -1.0  -1.0  1.0  -1.0 
------------------------- 
The auxiliar vector is empty 

J'espère que cela peut vous aider à