img072

72

5.8. Autoasocjucyjim sieć CP

	Tt... T			tt-i	t_
1				i J
tt -1	|, ^ i . , L , . . . i . i L J L i L i >					tw
1		l _l *“
▲ 4. 4	4	' j - t f		▲ i	.4 i
		---- i			.
	‘ '

X    Y

Jak widać, na jej wejścia podaje się zarówno wektor X, jak i wektor Y (zakładając, że liczba wejść sieci jest równa sumarycznej długości wektorów X i Y, natomiast na wyjściach oczekuje się pojawienia się wektorów X' i Y' identycznych z wektorami wejściowymi X i Y (na tym polega autoasocjacyjność sieci).

Uczenie sieci przebiega według następującego schematu. Kolejne elementy ciągu uczącego

U = {< X^(,),Y^(l> >,< X<^a),Y<³> >.....< X⁽*\Y<*>    X°^V),Y<^jV) >}

podaje się równocześnie na oba wejścia sieci (jako sygnały wejściowe) i na jej wyjścia (jako oczekiwane sygnały wyjściowe). Sieć więc na tym etapie uczona jest realizacji odwzorowania tożsamościowego czyli wiernego odtwarzania na swoim wyjściu stanu swoich wejść. Po zakończeniu procesu nauki eksploatuje się natomiast sieć w sposób wielce oryginalny: podaje się na przykład na wejście pewien sygnał X^ł** , natomiast wejści Y pozostawione są bez sygnałów (odpowiada to sytuacji Y = 0). Sieć na swoich wyjściach odtworzy sygnał X^, ale co więcej — na drugiej części wyjść odtworzy także sygnał Y(^ł\ który na etapie uczenia był kojarzony z X⁽*^. Jak z tego wynika, sieć nauczyła się realizować odwzorowanie X => Y.

Ponieważ podczas uczenia sygnały X i Y są całkowicie równoprawne, sieć potrafi także odtwarzać odwzorowanie odwrotne Y =$• X, wystarczy w tym celu na jej wejścia podać sygnał Y^ pozostawiając wejście X bez jakichkolwiek informacji, a na wyjściu otrzyma się sygnał X^ obok oczywiście odtworzonego przez sieć sygnału Y^.

Sieci CP znalazły liczne zastosowania. Doskonale zdają one egzamin jako systemy klasyfikacji i rozpoznawania obrazów, są wykorzystywane w automatyce i robotyce do sterowania