oprowadzenie do techniki sieci neuronowych 29
Sieci Hopfielda cechują się natomiast tym, że neurony tworzą sprzężenia zwrotne, liczne i skomplikowane zamknięte pętle, w których impulsy mogą długo krążyć i zmieniać się zanim sieć osiągnie pewien stan ustalony -o ile go w ogóle osiągnie. Analiza właściwości i możliwości sieci Hopfielda jest znacznie bardziej złożona, niż w przypadku sieci feedforward, ale też możliwości obliczeniowe tych sieci są fascynująco odmienne od możliwości innych typów sieci - są one na przykład zdolne do znajdowania rozwiązań problemów typu optymalizacyjnego - szukania najlepszych rozwiązań pewnych klas zadań, czego sieci feedforward robić z reguły nie potrafią. Swojego czasu prawdziwą sensacją było uzyskanie za pomocą sieci Hopfielda rozwiązania słynnego problemu komiwojażera, co otworzyło dla tych sieci obszerną i ważną klasę problemów obliczeniowych NP-zupełnych. Jednak budowa sieci ze sprzężeniami zwrotnymi jest bez wątpienia zadaniem trudniejszym i bardziej skomplikowanym, niż korzystanie z sieci feedforward, a ponadto trudniej zapanować nad siecią, w której kłębi się parę tysięcy równoległych, dynamicznych procesów, niż nad siecią, w której sygnały grzecznie i spokojnie przepływają od wejścia na wyjście, dlatego warto zaczynać znajomość z sieciami neuronowymi właśnie od sieci z jednokierunkowym przepływem sygnałów, przechodząc potem stopniowo i powoli do sieci Hopfielda.
sygnały wejściowe (dane)
warstwa
wejściowa
pierwsza
warstwa
ukryta n-ta
warstwa
ukryta warstwa
wyjściowa
Rys. 2.4. Schematyczna budowa wielowarstwowej sieci neuronowej