img262 (3)

256 Sieci rekurencyjr

Wszystkie te warunki bardzo łatwo spełnić. Dwa pierwsze określają regularny i bardzo łatwy do uzyskania schemat połączeń sieci, a ostatni warunek jest automatycznie spełniony jeśli do uczenia sieci wybierze się metodę Donalda Hebba (była ona niedawno omawiana w rozdziale 9, nie musimy jej więc teraz ponownie rozpatrywać).

Łatwość budowy i stosowania sieci Hopfielda powoduje, że są one bardzo popularne. Znajdują one liczne zastosowania - między innymi przy rozwiązywaniu zadań optymalizacji (o czym była wyżej mowa), a także przy generacji określonych sekwencji sygnałów, następujących po sobie w pewnej (modyfikowalnej) kolejności. Pozwala to za pomocą takich sieci tworzyć i wysyłać do różnych obiektów sygnały sterujące. Na tej zasadzie działają między innymi neuronowe systemy wytwarzające sygnały sterujące przestawianiem nóg w chętnie budowanych na całym świecie maszynach kroczących - dwunożnych, czworonożnych i sześcionożnych. “Mózg” sterujący ruchami takiego sztucznego czworonoga zawiera zawsze sieć posiadającą sprzężenia zwrotne - najczęściej sieć Hopfielda lub jakaś jej prosta modyfikacja. Dzisiaj pokaże Ci jednak, do czego sieć Hopfielda najlepiej się nadaje. Zbudujemy mianowicie razem pamięć asocjacyjną.

11.5. Jak działa sieć neuronowa jako pamięć skojarzeniowa?

Program 12B.BAS zawiera model sieci Hopfielda, której zadaniem będzie zapamiętywanie i odtwarzanie prostych obrazów. Cały “smak” tej pamięci polega jednak na tym, że potrafi ona odtworzyć wiadomość (obraz) na podstawie obrazu silnie zniekształconego lub zakłóconego, działa ona zatem w sposób, który najczęściej nazywa się autoasocjacją. Dzięki au-toasocjacji sieć Hopfielda może automatycznie uzupełniać niekompletne dane. Sieć na przykład może odtworzyć pełna sylwetkę nadlatującego samolotu w sytuacji, kiedy kamera zarejestrowała obraz niekompletny ze względu na to, że część zarysu przesłaniały obłoki. Ma to duże znaczenie w systemach obrony przeciwlotniczej, kiedy ważnym problemem jest szybkie rozstrzygnięcie problemu “swój - obcy”. Sieć pracująca jako pamięć autoasocjacyjną może uzupełnić niekompletne zapytanie kierowane do jakiegoś systemu typu baza danych przez niewprawnego lub niestarannego użytkownika, dzięki czemu wyszukiwanie dokonywane będzie poprawnie nawet w przypadku nieprecyzyjnego (chociaż jednoznacznego) zapytania. Sieć zdoła wtedy sama domyślić się wszystkich brakujących szczegółów. Sieć taka może także usuwać zakłócenia i zniekształcenia różnych sygnałów - także wtedy, gdy stopień “zaszumienia” sygnału wejściowego wyklu-