Qu'est-ce qu'un réseau de neurones Hopfield?
Un réseau de neurones Hopfield est un système utilisé pour reproduire des modèles d'informations qu'il a appris. Il est calqué sur le réseau neuronal du cerveau humain, bien qu'il soit créé à partir de composants artificiels. Initialement conçu par John Hopfield en 1982, le réseau de neurones Hopfield peut être utilisé pour découvrir des modèles d’entrée et traiter des ensembles d’instructions complexes. Il est également utilisé dans l'étude de la mémoire humaine.
Le réseau de neurones Hopfield est constitué d'un système d'unités connectées les unes aux autres en tant que réseau dans lequel chaque unité est connectée à toutes les autres unités. Bien que les unités soient toutes connectées les unes aux autres, une unité individuelle ne forme pas de connexion avec elle-même. Lorsqu'il a créé ce modèle pour la première fois, Hopfield a utilisé les valeurs binaires 0 et 1 pour décrire l'activité de chaque unité du réseau. Bien que ce système soit encore utilisé, de nombreux scientifiques utilisent maintenant -1 et +1 pour décrire l'activité des unités. Une unité du réseau de neurones est dite 0 ou -1 si son seuil n'a pas encore été atteint et 1 ou +1 si son seuil est atteint ou dépassé.
Les unités d'un réseau de neurones Hopfield sont activées et libèrent de l'énergie une fois leur seuil atteint. Lorsqu'une entrée est donnée à un réseau de neurones Hopfield, celui-ci est en mesure de faire écho à cette entrée via la série de connexions complexes entre chacune des unités. Même dans un système avec seulement 4 unités individuelles, il existe 12 connexions avec lesquelles des informations peuvent être envoyées. Les réseaux complexes peuvent contenir des millions de connexions, ce qui leur permet d'écho de longues chaînes ou modèles de code binaire.
Avant qu'un réseau de neurones Hopfield puisse faire écho à un motif, il faut d'abord lui apprendre le motif qu'il recherche. Une fois qu'un système connaît un certain motif, il sera en mesure de le répercuter chaque fois qu'il le reconnaîtra à nouveau. Cela rend ces réseaux utiles pour rechercher des modèles dans de grandes quantités de données.
Bien que ces réseaux soient capables de reconnaître des modèles, ils peuvent reconnaître un modèle de manière incorrecte, en particulier si les modèles sont mémorisés dans des parties du réseau neuronal proches les unes des autres. Ce même processus se produit dans la mémoire humaine, qui peut être modélisée à l'aide du réseau de neurones de Hopfield. La recherche sur l'innurosité dans la mémoire et dans le renforcement de la mémoire chez l'homme peut être effectuée à l'aide de réseaux de neurones Hopfield.