Когда сохраняемая в памяти пара ассоциируемых образцов создается одинаковыми образцами, память называется автоассоциативной, а если образцы являются разными, то память называется гетероассоциативной. В этой главе будут рассмотрены три модели нейронных сетей для автоассоциации образцов. 4.2. Дискретная сеть Хопфилда Сеть Хопфилда (Hopfield) является автоассоциативной сетью, ведущей себя подобно памяти, которая может вспомнить сохраненный образец даже по подсказке (в виде вводимых данных), представляющей собой искаженную помехами версию нужного образца. Например, сеть может сохранить набор изображений букв, а когда сети будет представлена искаженная версия сохраненного символа, сеть должна оказаться способной найти истинный экземпляр. Дискретная сеть Хопфилда имеет следующие характеристики. Один слой элементов (входные элементы, представляющие входной образец, не учитываются). Каждый элемент связывается со всеми другими элементами, но элемент не связывается с самим собой. За один шаг обновляется только один элемент, в отличие, например, от сети с обратным распространением ошибок, где все элементы слоя могут изменяться одновременно, если сеть реализована в виде аппаратных средств с соответствующими параллельными возможностями. Элементы обновляются в случайном порядке, но в среднем каждый элемент должен обновляться в одной и той же мере. Например, в случае сети из 10 элементов после 100 обновлений каждый элемент должен обновиться приблизительно 10 раз. Вывод элемента ограничен значениями 0 или 1. Сеть Хопфилда является рекуррентной в том смысле, что для каждого входного образца выход сети повторно используется в качестве до тех пор, пока не будет достигнуто устойчивое состояние. Пример сети Хопфилда показан на рис. 4.1. Удобно считать, что сеть Хопфилда не имеет входных элементов, так как входной вектор просто определяет начальные значения активности элементов. Например, если ввод является двоичным, то входной вектор [1101] означает, что значения активности для элементов {1, 2, 4} будут равны 1, а для элемента (3) активность будет равна 0. Элемент обновляется тогда, когда все элементы передадут свои значения активности по имеющимся взвешенным связям, после чего вычисляется сумма произведений (т.е.....