شبكه همينگ
• داراي هر دو ساختار پيشخور و پسخور
• داراي 3 لايه
• براي شناسايي الگوهاي باينري
• تشخيص اينكه كدام الگوي مرجع بيشترين نزديكي را به الگوي ورودي دارد.
– اگر به شبكه ورودي pi (يكي از الگوهاي مرجع) اعمال شود خروجي نيز pi خواهد بود.
– در مواردي كه به شبكه بردار ورودي اختياري (مثلا پرتقال بيضوي) اعمال مي شود انتظار بر اين است كه الگوي مرجعي كه بيشترين نزديكي را با ورودي دارد، در خروجي ظاهر شود.
– دو پروسه محاسباتي: ذخيره سازي الگوها و بازيابي اطلاعات انجام مي گيرد.
شبكه همينگ : لايه اول
• شبكه پيشخور با تابع تبديل خطي
• همبستگي يا ضرب داخلي بين بردارهاي مرجع با بردار ورودي را محاسبه مي كند.
بردارهاي مرجع الگوهايي هستند كه قصد شناسايي آنها را داريم.
• ذخيره سازي الگوهاي مرجع در لايه اول
– تعداد نورونهاي اين لايه برابر تعداد الگوها
• R تعداد عناصر بردار ورودي
• به نوعي فاصله همينگ سنجيده مي شود.
• تمامي عناصر بردار خروجي لايه اول مقاديري بين 0 و 2R دارند.
• نرون با بزرگترين مقدار خروجي متناظر با الگوي مرجعي خواهد بود كه بيشترين شباهت (كمترين فاصله همينگ) را با الگوي ورودي دارد.
• در مرحله بعد بايد خروجي ماكزيمم از بقيه جدا گردد. اين عمل توسط لايه برگشتي انجام مي شود.
شبكه همينگ : لايه دوم
• لايه برگشتي (لايه WTA) (لایه رقابتی)
• انتخاب ماتريس w2
• براي رسيدن به سرعت همگرايي بيشتر معمولا داريم:
شبكه همينگ : لايه سوم
• شبكه پيشخور با تابع تحريك آستانه متقارن دو مقداره
• پس از همگرايي لايه دوم، بردار مرجع ذخيره شده در خروجي شبكه ظاهر مي گردد.
بازيابي اطلاعات
• انتخاب وزنهاي لايه سوم:
• مثلا اگر ورودي سيب باشد، خروجي شبكه الگوي مربوط به سيب يعني [ 1;1 ] خواهد بود.
• توجه:
حتما بايد لايه دوم همگرا شده باشد.
مقاله متلب,مطلب,متلب,مقاله برق,مقاله قدرت,مقاله مطلب,مقاله سیمولینک,دانلود متلب,دانلود مقاله متلب,مقالهmatlab ,آموزش متلب,مطلب,متلب,آموزش برق,آموزش قدرت,آموزش مطلب,آموزش سیمولینک,دانلود متلب,دانلود آموزش متلب,آموزشmatlab ,پروژه متلب,مطلب,متلب,پروژه برق,پروژه قدرت,پروژه مطلب,پروژه سیمولینک,دانلود متلب,دانلود پروژه متلب,پروژهmatlab ,
