Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La Memoria de BAM/Hopfield
Uso de parte de la Información para recuperar el remanente
asociado
M (xp ) xp p 1,.., P
M ( x) x p x : || x x p |||| x xl || l 1,.., P l p
p 1
– {xp}p=1, P conjunto ortogonal.
• Salida de la red: y=W x
• Función de activación: f (x)=x
• Si {yp} es ortogonal, entonces la red es
reversible: x = Wt y
• La red puede ser usada como memoria
autoasociativa considerando
P
xy,
entonces: W
p 1
x x
p p
T
1 si W (:, i )T y (t ) 0
xi (t 1) f (W (:, i ) y (t )) xi (t ) si W (:, i )T y (t ) 0, i 1,.., N
T
1 si W (:, i ) T
y (t ) 0
1 si W ( j , :)T x(t 1) 0
y j (t 1) f (W ( j , :) x(t 1)) y j (t ) si W ( j , :)T x(t 1) 0, j 1,.., K
1 si W ( j , :) T
x(t 1) 0
forma matricial :
x (t 1) sign(W T y (t )) | sign(W T y (t )) |c x (t )
y (t 1) sign(W T x(t 1)) | sign(W T x(t 1)) |c y (t )
Condición estable : sign(W T y (t )) sign(W T x (t 1)) 0̂
Profesor: Dr. Héctor Allende Redes Neuronales Artificiales 11
Procedimiento
– Cuando se trabaja en el proceso inverso y(0) es
aplicado a la red, x(0)=WT y(0) es calculado a
partir :
y (t 1) sign(Wx (t )) | sign(Wx(t )) |C y (t )
ii ) Emin | w ji |
j ,i
iii )E Et 1 Et
Obervaciones
• Se puede verificar que la función de Energia es una
función de Lyapunov y por lo tanto el sistema dinámico
posee una solución estable.
• En esencia la matriz de pesos determina una superficie con
valles ( depresiones atractivas ) y colinas similares al BPL
• BAM se parece a un sistema fisico disipativo, en el que la
función E, corresponde a la energía del sistema fisico
• Inicialmente los cambios de E(x,y) son grandes y a medida
que los vectores x e y , van alcanzando su estado estable el
valor de E tiene cambios más pequeños
P
y sign(Wx(t )) sign( y p x x ) t
p l
p 1
DEM: P
sign( y p pl ) sign( yl ) yl
p 1
p 1
0 si w ji yi x j t j
donde {tj}j=1,K = t es el vector umbral
i 1
i j
– Notación matricial:
A(t ) sign(Wy (t ) x t )
1
y (t 1) [ A(t ) 1̂ | A(t ) |c ] | A(t ) |c y (t )
2
Profesor: Dr. Héctor Allende Redes Neuronales Artificiales 21
Función de Energía
• Función de energía de la memoria discreta de
Hopfield: 1 T T
E y Wy y ( x t )
2
• Teorema: Propiedades de la función de energía:
i ) Et 1[ y (t 1)] Et [ y (t )]
1
ii ) Emin | w ji | K
2 j ,i
iii )E Et 1 Et
• El proceso de iteración converge en tiempo finito.
• Función de activación:
1 tanh(a )
f (a) ( )
2
parámetro de ganancia
Notación matricial :
da 1
Wy x t a
dt
• En aproximación de tiempo discreto, el
procedimiento de actualización:
1 y (t )
y (t 1) y (t ) Wy (t ) x t ln y (t ) [1̂ y (t )]
1̂ y ( t )
Profesor: Dr. Héctor Allende Redes Neuronales Artificiales 24
Memoria de Hopfield Continua
• Función de Energía de la memoria de Hopfield:
yj
1 K K
1 K
E j ji i
2 i , j 1
y w y
j 1
x j y j
t
j 1
j f ( 1)
( y ' ) dy '
0
i j