Sieci CP str099

Rozdział 8. Sieci pamięci skojarzeniowej

Niech ciąg ten zostanie zapisany w następujący sposób:

u = {< x<^,)_łv^(,> >,< >,...

...,< X*^k\YM >,< X<^k+'\Y<^k+'> X<*>Y<*) >}

t ^y' U t^y-

Zakładając, że sieć podlega uczeniu metodą Hcbba możemy stwierdzić, waga w kolejnych krokach procesu uczenia zmienia się zgodnie z regułą

w<fX*+'> = upX*>+ ,#>#>

Dla całej macierzy wag W obowiązuje zatem rek u ren cyj na reguła

w<^+ł> = w⁽>+v x^(k) [y^(ł)]^T

a po wykonauiu wszystkich N kroków procesu uczenia mamy macierz wag W określoną wzorem

w = jr x« [y«‘>]^t

k=\

Powyższy wzór jest prawdziwy pod warunkiem, że wszystkie wagi w sieci przed rozpoczęciem uczenia były zerowe (W^(,ł = 0) oraz przy założeniu, że tj = I.

Asocjacyjne i pamięciowe właściwości omówionej sieci mogą być prosto wykazane przy założeniu, że wektory wejściowe (wywołujące skojarzenia) będą ortonormalne, to znaczy

_X(.» [_X«>1^T = / ^{1 gdy}i = j 1 J I 0 gdy r f j

Sieci CP str099

Sieci CP str099

u = {< x<,)łv(,> >,< >,...

t y' U ty-

w<*+ł> = w(*>+v x(k) [y(ł)]T

X(.» [X«>1T = / 1 gdy i = j 1 J I 0 gdy r f j

u = {< x<^,)_łv^(,> >,< >,...

t ^y' U t^y-

w<^+ł> = w⁽>+v x^(k) [y^(ł)]^T

_X(.» [_X«>1^T = / ^{1 gdy}i = j 1 J I 0 gdy r f j