Двунаправленная ассоциативная память

Сеть Хопфилда и Хэмминга, используемые в качестве ассоциативной памяти, не могут формировать ассоциации хранимых образов друг с другом. Двунаправленная ассоциативная память способна к обобщению, вырабатывая правильные образы под воздействием искаженных входных сигналов, а также данная сеть позволяет формировать ассоциации между парами векторов.

ДАП состоит из двух слоев нейронов с обратными связями от второго слоя к первому. Выходами сети являются выходы всех нейронов (рис. 5.11).

В качестве функции активации используются либо логистическая, либо ступенчатая пороговая функция (она чаще всего). В простейших реализациях ДАП с логистической функцией коэффициент выбирается большим, и S-образная функция стремиться к пороговой.

Алгоритм обучения сети ДАП Обучение происходит алгоритмом без учителя. В процессе обучения сети предъявляются пары ассоциированных между собой образов (A_k, Е_k), k=. Весовая матрица второго слоя задается как сумма произведений всех пар векторов.

(5.13).

где — транспонированный вектор k-го входного образа.

Элементы весовой матрицы обратных связей (первого слоя) задаются исходя из матрицы W:

. (5.14).

Алгоритм работы сети ДАП состоит из циклов, в каждом из которых происходит уточнение выходных векторов обоих слоев до тех пор, пока не будет достигнута точка стабильности сети.

Если искаженный или незавершенный образ подается на вход сети, то она способна выдать ближайший к данному образу Е, который стремиться исправить ошибки в образе А. На это требуется, как правило, несколько циклов работы сети. Однако сеть ДАП всегда является устойчивой. Устойчивость сети обеспечивается тем, что синаптическая карта в обратных связях выбирается равной транспонированной карте в прямых связях сети.