ホップフィールドニューラルネットワークとは

ホップフィールドニューラルネットワークは、学習した情報のパターンを複製するために使用されるシステムです。 これは、人間の脳で見つかったニューラルネットワークをモデルにしていますが、人工的なコンポーネントから作成されています。 1982年にJohn Hopfieldによって最初に設計されたHopfieldニューラルネットワークは、入力のパターンを発見するために使用でき、複雑な命令セットを処理できます。 また、人間の記憶の研究にも使用されます。

ホップフィールドニューラルネットワークは、すべてのユニットが他のすべてのユニットに接続されているWebとして互いに接続されているユニットのシステムで構成されています。 ユニットはすべて互いに接続されていますが、個々のユニットはそれ自体との接続を形成しません。 彼がこのモデルを最初に作成したとき、ホップフィールドはバイナリ値0および1を使用して、ネットワーク内の各ユニットのアクティビティを記述しました。 このシステムはまだ使用されていますが、多くの科学者は現在、ユニットの活動を記述するために-1と+1を使用しています。 ニューラルネットワーク内のユニットは、そのしきい値がまだ満たされていない場合は0または-1、しきい値が満たされているか超えている場合は1または+1と呼ばれます。

ホップフィールドニューラルネットワークのユニットはアクティブになり、しきい値に達するとエネルギーを放出します。 特定の入力がホップフィールドニューラルネットワークに与えられると、各ユニット間の一連の複雑な接続を通じて、その入力をエコーバックすることができます。 個々のユニットが4つしかないシステムでも、情報を送信できる12の接続があります。 複雑なネットワークには数百万の接続を含めることができるため、長い文字列やバイナリコードのパターンをエコーすることができます。

ホップフィールドニューラルネットワークがパターンをエコーする前に、最初に探しているパターンを教えなければなりません。 システムが特定のパターンを認識すると、再び認識されるたびにエコーすることができます。 これにより、これらのネットワークは大量のデータのパターンを見つけるのに役立ちます。

これらのネットワークはパターンを認識できますが、特にパターンが互いに近接しているニューラルネットワークの一部で記憶されている場合、パターンを誤って認識する可能性があります。 これと同じプロセスが人間の記憶で発生し、ホップフィールドニューラルネットワークを使用してモデル化できます。 記憶の無傷性と人間の記憶の強化に関する研究は、ホップフィールドニューラルネットワークを使用して行うことができます。