Heuristiken
Heuristiken
Heuristiken
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
7.5 Hopfield-Netz<br />
Hopfield-Netz Das Hopfield-Netz wurde 1982 von J.J. HOPFIELD [] vorgestellt. Es handelt<br />
sich hierbei um ein rückgekoppeltes autoassoziatives Netzwerk, d.h. bei dem sich<br />
der Zustand eines Neurons auf die Eingänge aller übrigen Neuronen auswirkt<br />
bzw. das Eingangsmuster eines Neurons von den Zuständen aller übrigen Neuronen<br />
gebildet wird.<br />
Das Hopfield-Netzwerk ist also ein einschichtiges, vollständig verbundenes<br />
und symmetrisches Netzwerk. Der Eingabevektor entspricht der Anfangsaktivität<br />
des Netzes, der Ausgabevektor der Aktivität des Netzes im stabilen<br />
Zustand. Als Aktivierungsfunktion kann eine binäre Schwellwertfunktion<br />
eingesetzt werden.<br />
MustererkennungDie Hauptanwendung von Hopfield-Netzen liegt in der Mustererkennung.<br />
Wird beispielsweise ein zweifarbiges Bild vorgegeben, so kann jeder Farbpunkt<br />
durch eine 0 oder eine 1 kodiert werden. Werden dem Hopfield-Netz mehrere<br />
Muster vorgegeben, die gespeichert werden soll, so gehört zu jedem Muster eine<br />
Matrix welche die Gewichte w¡sub¿ij¡/sub¿ speichert.<br />
Aus den Matrizen aller Muster wird eine Gesamtmatrix M berechnet. Bei wenigen<br />
Mustern speichert die Matrix M alle Muster. Wird die Anzahl der Muster<br />
jedoch über einen bestimmten Grenzwert erhöht, speichert das Netz nicht mehr<br />
länger die vorgegebenen Muster, da die Speicherkapazität nicht mehr ausreicht.<br />
Die Wahrscheinlichkeit, dass ein Bild gespeichert wird, sinkt mit steigender Zahl<br />
an Mustern. Die Kapazität kann nach Hopfield mit k = 0,15N abgeschätzt werden.<br />
N steht für die Anzahl der Neuronen des Netzes.<br />
Hopfield-Netze sind in der Lage, fehlerhafte und gestörte Mustern fehlerfreien<br />
Vorgabemustern zuzuordnen und somit die Störung bzw. den Fehler auszuheilen.<br />
Wenn jedoch einzelne Muster stark von den bekannten Mustern abweichen konvergiert<br />
das Netz nicht gegen eine Lösung sondern pendelt zwischen verschiedenen<br />
Mustern hin und her. Korrelierende Muster können nur schlecht gespeichert<br />
werden. Auch ist es möglich, dass ein Netz gegen einen Zustand konvergiert, der<br />
keinem der vorgegebenen Muster entspricht.<br />
43