Neuronale Netze - D. Kriesel

Eine weitere Variante wäre eine dynamische Energieoberfläche: Hier sieht die Energieoberfläche
je nach aktuellem Zustand anders aus und wir erhalten keinen Autoassoziator
mehr, sondern einen Heteroassoziator. Für einen Heteroassoziator gilt nicht mehr
sondern vielmehr
a(p + ε) = p,
h(p + ε) = q,
was bedeutet, dass ein Muster auf ein anderes abgebildet wird. h ist die
Heteroassoziator-Abbildung. Man erreicht solche Heteroassoziationen durch eine
asymmetrische Gewichtsmatrix V .
Durch hintereinandergeschaltete Heteroassoziationen der Form
h(p + ε) = q
h(q + ε) = r
h(r + ε) = s
.
h(z + ε) = p
wird es möglich, einen schnellen Zustandsdurchlauf
p → q → r → s → . . . → z → p
zu provozieren, wobei ein einzelnes Muster aber niemals vollständig angenommen wird:
Bevor ein Muster vollständig zustandegekommen ist, versucht die Heteroassoziation ja
bereits, dessen Nachfolger zu erzeugen. Außerdem würde unser Netz nie zum Stillstand
kommen, da es ja nach Erreichen des letzten Zustands z wieder zum ersten Zustand p
übergeht.
8.5.1 Erzeugung der Heteroassoziationsmatrix
Wir erzeugen die Matrix V mit Elementen v sehr ähnlich der Autoassoziationsmatrix,
wobei (pro Übergang) p das Trainingsbeispiel vor dem Übergang ist und q das aus p
zu erzeugende Trainingsbeispiel:
vi,j =
p,q∈P,p=q
piqj
(8.4)