你知道任何旁邊的模式識別應用程序。 worthe爲了實現Hopfield神經網絡模型?Hopfield神經網絡
回答
遞歸神經網絡(其中的Hopfield網是一種特殊類型)用於按順序學習幾項任務:
- 序列預測(地圖股票價值的歷史與預期值在接下來的時間步長)
- 序列分類(圖中每個完整的音頻片段到揚聲器)
- 序列標籤(圖中的音頻片段,以講的一句話)
- 非馬爾科夫強化學習(需要深存儲器作爲T-迷宮如任務長凳標記)
我不確定你的意思是「模式識別」,因爲它基本上是一個整個領域,每個任務可以使用神經網絡。
你可以更精確的使用非馬爾可夫強化學習嗎?你說他們用於需要深度內存的任務,但是不會有多層backprops網絡做同樣的事情嗎?什麼使這些工作最好?謝謝 – 2009-11-23 14:15:25
通常,您將k個上次時間步的觀察結果呈現給MLP,以將其映射到動作或值。這是你可以稱之爲「k-markovian」的東西。然而,「深度記憶」指的是當你不得不回頭的時間步數不一定有限的情況。在那種情況下,你需要經常性的網絡,它可以(至少在理論上)及時回顧無限次數的時間步。 你可能想檢查這篇文章:http://www.idsia.ch/~daan/papers/jof.pdf – bayer 2009-11-24 10:19:36
您也可以使用Hopfield網絡來優化問題。
您可以檢出該庫 - >Hopfield Network
有你有測試的例子列車網絡離線後的圖案。 這是測試
@Test
public void HopfieldTest(){
double[] p1 = new double[]{1.0, -1.0,1.0,-1.0,1.0,-1.0,1.0,-1.0,1.0};
double[] p2 = new double[]{1.0, 1.0,1.0,-1.0,1.0,-1.0,-1.0,1.0,-1.0};
double[] p3 = new double[]{1.0, 1.0,-1.0,-1.0,1.0,-1.0,-1.0,1.0,-1.0};
ArrayList<double[]> patterns = new ArrayList<>();
patterns.add(p1);
patterns.add(p2);
Hopfield h = new Hopfield(9, new StepFunction());
h.train(patterns); //train and load the Weight matrix
double[] result = h.test(p3); //Test a pattern
System.out.println("\nConnections of Network: " + h.connections() + "\n"); //show Neural connections
System.out.println("Good recuperation capacity of samples: " + Hopfield.goodRecuperation(h.getWeights().length) + "\n");
System.out.println("Perfect recuperation capacity of samples: " + Hopfield.perfectRacuperation(h.getWeights().length) + "\n");
System.out.println("Energy: " + h.energy(result));
System.out.println("Weight Matrix");
Matrix.showMatrix(h.getWeights());
System.out.println("\nPattern result of test");
Matrix.showVector(result);
h.showAuxVector();
}
和運行測試後,你可以看到
Running HopfieldTest
Connections of Network: 72
Good recuperation capacity of samples: 1
Perfect recuperation capacity of samples: 1
Energy: -32.0
Weight Matrix
0.0 0.0 2.0 -2.0 2.0 -2.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 -2.0 2.0 -2.0
2.0 0.0 0.0 -2.0 2.0 -2.0 0.0 0.0 0.0
-2.0 0.0 -2.0 0.0 -2.0 2.0 0.0 0.0 0.0
2.0 0.0 2.0 -2.0 0.0 -2.0 0.0 0.0 0.0
-2.0 0.0 -2.0 2.0 -2.0 0.0 0.0 0.0 0.0
0.0 -2.0 0.0 0.0 0.0 0.0 0.0 -2.0 2.0
0.0 2.0 0.0 0.0 0.0 0.0 -2.0 0.0 -2.0
0.0 -2.0 0.0 0.0 0.0 0.0 2.0 -2.0 0.0
Pattern result of test
1.0 1.0 1.0 -1.0 1.0 -1.0 -1.0 1.0 -1.0
-------------------------
The auxiliar vector is empty
我希望這可以幫助你
- 1. 優化的Hopfield神經網絡
- 2. 用hopfield檢測數字matlab中的神經網絡
- 3. 神經網絡
- 4. 神經網絡
- 5. 神經網絡[ocr]
- 6. 神經網絡,python
- 7. MATLAB神經網絡
- 8. 神經網絡backpropogation
- 9. 神經網絡:「InverseLayer」
- 10. 的神經網絡
- 11. SOM - 神經網絡
- 12. sigmoid神經網絡
- 13. Spiking神經網絡
- 14. H2O.deeplearning神經網絡
- 15. 神經網絡MNIST
- 16. RBF神經網絡
- 17. 實現偏倚神經網絡神經網絡
- 18. 迴歸神經網絡是一個神經網絡鏈嗎?
- 19. 我的Hopfield神經網絡解決旅行商問題有什麼問題?
- 20. Encog Hopfield網絡培訓
- 21. 的BP神經網絡
- 22. Android神經網絡InvalidClassException
- 23. 神經網絡加權
- 24. VB中的神經網絡
- 25. 神經網絡輸出
- 26. 神經網絡值計算?
- 27. 神經網絡入門(ANN)?
- 28. 神經網絡的實現
- 29. 神經網絡結構
- 30. 神經網絡的Scilab
你提的問題是很難理解的,你應該是,如果更具體你想要一個答案。 – brad 2009-06-01 22:31:00