Was ist ein neuronales Hopfield-Netzwerk?
Ein neuronales Hopfield-Netzwerk ist ein System, mit dem gelernte Informationsmuster repliziert werden. Es ist dem neuronalen Netzwerk des menschlichen Gehirns nachempfunden, obwohl es aus künstlichen Komponenten besteht. Das von John Hopfield 1982 entworfene neuronale Hopfield-Netzwerk kann zur Erkennung von Eingabemustern und zur Verarbeitung komplizierter Befehlssätze verwendet werden. Es wird auch zur Erforschung des menschlichen Gedächtnisses verwendet.
Das neuronale Netzwerk von Hopfield besteht aus einem System von Einheiten, die als Web miteinander verbunden sind, in dem jede Einheit mit jeder anderen Einheit verbunden ist. Obwohl die Einheiten alle miteinander verbunden sind, bildet eine einzelne Einheit keine Verbindung mit sich selbst. Bei der ersten Erstellung dieses Modells verwendete Hopfield die Binärwerte 0 und 1, um die Aktivität jeder Einheit im Netzwerk zu beschreiben. Obwohl dieses System immer noch verwendet wird, verwenden viele Wissenschaftler jetzt -1 und +1, um die Aktivität der Einheiten zu beschreiben. Eine Einheit im neuronalen Netz wird als 0 oder -1 bezeichnet, wenn ihr Schwellenwert noch nicht erreicht wurde, und als 1 oder +1, wenn ihr Schwellenwert erreicht oder überschritten wurde.
Die Einheiten in einem neuronalen Hopfield-Netzwerk werden aktiviert und setzen Energie frei, sobald ihre Schwelle erreicht ist. Wenn einem neuronalen Hopfield-Netzwerk ein bestimmter Eingang zugewiesen wird, kann dieser Eingang über die Reihe komplexer Verbindungen zwischen den einzelnen Einheiten wieder ausgegeben werden. Selbst in einem System mit nur 4 einzelnen Einheiten gibt es 12 Verbindungen, über die Informationen gesendet werden können. Komplexe Netzwerke können Millionen von Verbindungen enthalten, sodass sie lange Zeichenfolgen oder Muster von Binärcode wiedergeben können.
Bevor ein neuronales Hopfield-Netzwerk ein Muster wiedergeben kann, muss ihm zunächst das gesuchte Muster beigebracht werden. Sobald ein System ein bestimmtes Muster kennt, kann es es jedes Mal wiedergeben, wenn es es wieder erkennt. Dies macht diese Netzwerke nützlich, um Muster in großen Datenmengen zu finden.
Obwohl diese Netzwerke Muster erkennen können, können sie ein Muster falsch erkennen, insbesondere wenn die Muster in Teilen des neuronalen Netzwerks gespeichert sind, die nahe beieinander liegen. Derselbe Prozess findet im menschlichen Gedächtnis statt, das mithilfe des neuronalen Hopfield-Netzwerks modelliert werden kann. Untersuchungen zur Ungenauigkeit des Gedächtnisses und zur Stärkung des Gedächtnisses beim Menschen können mit neuronalen Hopfield-Netzen durchgeführt werden.