Vad är ett Hopfield Neural Network?
Ett Hopfield -neuralt nätverk är system som används för att replikera informationsmönster som det har lärt sig. Det modelleras efter det neurala nätverket som finns i den mänskliga hjärnan, även om det skapas av konstgjorda komponenter. Först designad av John Hopfield 1982, kan Hopfield Neural Network användas för att upptäcka mönster i input och kan bearbeta komplicerade uppsättningar av instruktioner. Det används också i studien av mänskligt minne.
Hopfield Neural Network är tillverkat av ett system med enheter som är anslutna till varandra som en webb där varje enhet är ansluten till alla andra enheter. Även om enheterna alla är anslutna till varandra, bildar en enskild enhet inte en koppling till sig själv. När han först skapade denna modell använde Hopfield de binära värdena 0 och 1 för att beskriva aktiviteten för varje enhet i nätverket. Även om detta system fortfarande används använder många forskare nu -1 och +1 för att beskriva enheterna. En enhet i det neurala nätverket sägs vara en 0 eller -1 om dess treShold har ännu inte uppfyllts och en 1 eller +1 om tröskeln har uppfyllts eller överskrids.
Enheterna i ett Hopfield Neural Network aktiveras och släpps energi när deras tröskel har uppfyllts. När en viss ingång ges till ett Hopfield Neural Network kan det upprepa den inmatningen tillbaka genom serien med komplexa anslutningar mellan var och en av enheterna. Även i ett system med endast fyra enskilda enheter finns det 12 anslutningar som information kan skickas med. Komplexa nätverk kan innehålla miljoner anslutningar, vilket gör det möjligt för dem att eko långa strängar eller mönster av binär kod.
Innan ett Hopfield -neuraltätverk kan återkalla ett mönster måste det först lära sig mönstret det letar efter. När ett system känner till ett visst mönster kommer det att kunna eko det när det känner igen det igen. Detta gör dessa nätverk användbara för att hitta mönster i stora mängder data.
Även om dessa nätverk kan känna igen mönster, kan de känna igen ett mönster felaktigt, särskilt om mönstren kommer ihåg i delar av det neurala nätverket som ligger nära varandra. Samma process sker i mänskligt minne, som kan modelleras genom användning av Hopfield Neural Network. Forskning om incuracy i minnet och i förstärkning av minnet hos människor kan göras med hjälp av Hopfield neurala nätverk.