aufgabenbeispiel
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
Beide Seiten der vorigen RevisionVorhergehende ÜberarbeitungNächste Überarbeitung | Vorhergehende Überarbeitung | ||
aufgabenbeispiel [2024/01/21 09:44] – [Algorithmus (um Bilder zu lernen)] torsten.roehl | aufgabenbeispiel [2024/01/21 09:55] (aktuell) – [Algorithmus (um Bilder wieder zu erkennen)] torsten.roehl | ||
---|---|---|---|
Zeile 6: | Zeile 6: | ||
{{: | {{: | ||
- | Das Netz soll zuerst eine Anzahl von Bildern speichern. Anschließend soll das Netz dann in der Lage sein, ein verrauschtes, | + | **Das Netz soll zuerst eine Anzahl von Bildern speichern. Anschließend soll das Netz dann in der Lage sein, ein verrauschtes, |
+ | ** | ||
+ | \\ \\ | ||
Dazu betrachten wir Bilder mit lediglich zwei Farben (//binäre Bilder// | Dazu betrachten wir Bilder mit lediglich zwei Farben (//binäre Bilder// | ||
Zeile 33: | Zeile 34: | ||
===== Algorithmus (um Bilder wieder zu erkennen) ===== | ===== Algorithmus (um Bilder wieder zu erkennen) ===== | ||
+ | Damit man überhaupt Bilder wiedererkennen kann, müssen diese zuvor natürlich erst gelernt werden. Nach dem Lernen können wir dem Netzwerk jedoch ein verrauschtes, | ||
+ | |||
+ | Das Hopfield-Netz verwendet die Schwellenwertfunktion als Aktivierungsfunktion: | ||
+ | |||
+ | \begin{equation} | ||
+ | | ||
+ | 0 : & x < 0\end{array}\right. | ||
+ | | ||
+ | |||
+ | |||
+ | |||
+ | Entscheidener Schritt ist die Berechnung des Produktes aus der Matrix W und dem Bildvektor $V_{\text{ALT}}$. Dieser Schritt ist im Abschnitt " | ||
+ | |||
+ | Es gilt $V_{\text{NEU}} = W \cdot V_{\text{ALT}}$ oder etwas mathematischer: | ||
+ | |||
+ | Hier ist n der n-te Iterationsschritt bei der Rekonstruktion des Bildes. Anschließend muss noch die Aktivierungsfunktion auf das Ergebnis angewandt werden: | ||
+ | |||
+ | \[ f(V_{n+1}) \] | ||
+ | Damit erhalten wir die Aktivität der Neuronen (sie feuern mit 1 oder nicht mit -1), und in unserem Fall entspricht das einem Bild. | ||
+ | |||
+ | ** | ||
+ | Der Algorithmus um ein Bild zu rekonstruieren lautet nun:** | ||
+ | - Präsentiere dem Netz ein verrauschtes Bild $V_n$ mit $n = 0$. | ||
+ | - Berechne $V_{n+1} = W \cdot V_n$ | ||
+ | - Berechne $f(V_{n+1})$ und damit das rekonstruierte Bild im Iterationsschritt $n+1$ | ||
+ | - Wiederhole ab Schritt 2, bis $f(V_{n+1}) = f(V_n)$ | ||
aufgabenbeispiel.1705830250.txt.gz · Zuletzt geändert: 2024/01/21 09:44 von torsten.roehl