Vad är ett Hopfield Neural Network?

Ett neuralt nätverk i Hopfield används för att replikera mönstret för information som det har lärt sig. Det modelleras efter det neurala nätverket som finns i den mänskliga hjärnan, även om det är skapat av konstgjorda komponenter. Hopfield neuralt nätverk, som först designades av John Hopfield 1982, kan användas för att upptäcka inmatningsmönster och kan behandla komplicerade uppsättningar instruktioner. Det används också i studien av mänskligt minne.

Det neurala nätverket Hopfield består av ett system av enheter som är anslutna till varandra som en bana där varje enhet är ansluten till varje annan enhet. Även om enheterna alla är anslutna till varandra bildar en enskild enhet inte en anslutning 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 aktiviteten hos enheterna. En enhet i det neurala nätverket sägs vara en 0 eller -1 om dess tröskel ännu inte har uppfyllts och en 1 eller +1 om dess tröskel har uppfyllts eller överskridits.

Enheterna i ett neuralt nätverk i Hopfield aktiveras och släpper energi när deras tröskel har uppnåtts. När en viss ingång ges till ett Hopfield-nervnätverk, är det i stånd att eko den ingången ut igen 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 neuralt nätverk i Hopfield kan klara ett mönster måste det först läras 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 datamängder.

Även om dessa nätverk kan känna igen mönster, kan de känna igen ett mönster felaktigt, särskilt om mönstren kommer ihåg i delar av neurala nätverk som är nära varandra. Samma process inträffar i mänskligt minne, som kan modelleras genom användning av det neurala nätverket Hopfield. Forskning om brister i minnet och förstärkning av minnet hos människor kan göras med hjälp av Hopfield neurala nätverk.