Hvad er et Hopfield neuralt netværk?

Et neuralt netværk i Hopfield bruges til at replikere mønstre af information, som det har lært. Det modelleres efter det neurale netværk, der findes i den menneskelige hjerne, skønt det er skabt af kunstige komponenter. Hopfield neurale netværk blev først designet af John Hopfield i 1982 og kan bruges til at finde mønstre i input og kan behandle komplicerede sæt instruktioner. Det bruges også i studiet af menneskelig hukommelse.

Hopfield neurale netværk er lavet af et system af enheder, der er forbundet til hinanden som en bane, hvor hver enhed er forbundet til hver anden enhed. Selvom enhederne alle er forbundet til hinanden, danner en individuel enhed ikke en forbindelse med sig selv. Da han først oprettede denne model, brugte Hopfield de binære værdier 0 og 1 til at beskrive aktiviteten for hver enhed i netværket. Selvom dette system stadig er i brug, bruger mange forskere nu -1 og +1 til at beskrive aktiviteten af ​​enhederne. En enhed i det neurale netværk siges at være en 0 eller -1, hvis dens tærskel endnu ikke er opfyldt, og en 1 eller +1, hvis dens tærskel er opfyldt eller overskredet.

Enhederne i et neuralt netværk i Hopfield aktiveres og frigiver energi, når deres tærskel er opfyldt. Når der gives et bestemt input til et Hopfield-neuralt netværk, er det i stand til at ekko denne input tilbage gennem serien med komplekse forbindelser mellem hver af enhederne. Selv i et system med kun 4 individuelle enheder er der 12 forbindelser, som information kan sendes med. Komplekse netværk kan indeholde millioner af forbindelser, hvilket gør det muligt for dem at ekko lange strenge eller mønstre af binær kode.

Før et neuralt netværk i Hopfield er i stand til at gentage et mønster, skal det først læres det mønster, det leder efter. Når et system kender et bestemt mønster, vil det være i stand til at gentage det, når det genkender det igen. Dette gør disse netværk nyttige til at finde mønstre i store mængder data.

Selvom disse netværk er i stand til at genkende mønstre, kan de genkende et mønster forkert, især hvis mønstrene huskes i dele af det neurale netværk, der er tæt på hinanden. Samme proces forekommer i menneskets hukommelse, som kan modelleres ved hjælp af Hopfield-neurale netværk. Forskning i unnacuracy i hukommelsen og styrkelse af hukommelse hos mennesker kan udføres ved hjælp af Hopfield neurale netværk.