Hopfield神經網絡

Question

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？

Answer 1

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。

Answer 2

您也可以使用Hopfield網絡來優化問題。

Answer 3

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