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 wieder zu erkennen)] 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. | ||
+ | | ||
- | Damit man überhaupt Bilder wiedererkennen kann, müssen diese zuvor natürlich erst gelernt worden sein. Nach dem Lernen können wir aber dem Netzwerk ein verrauschtes, | ||
- | Das Hopfield-Netz verwendet die Schwellenwertfunktion als Aktivierungsfunktion: | ||
- | Entscheidener Schritt ist die Berechnung des Produktes aus der Matrix W und dem Bildvektor | + | Entscheidener Schritt ist die Berechnung des Produktes aus der Matrix W und dem Bildvektor |
- | Es gilt VNEU = W · VALT oder etwas mathematischer: | + | Es gilt $V_{\text{NEU}} |
- | Hier ist n der n-te Iterationsschritt bei der Rekonstuktion | + | Hier ist n der n-te Iterationsschritt bei der Rekonstruktion |
- | \[ f(V_{n+1}) \]. | + | \[ f(V_{n+1}) \] |
+ | Damit erhalten wir die Aktivität der Neuronen (sie feuern | ||
- | Der Algorithmus um ein Bild zu rekonsturieren | + | ** |
+ | Der Algorithmus um ein Bild zu rekonstruieren | ||
- | | + | - Präsentiere dem Netz ein verrauschtes Bild |
- | Berechne | + | |
- | Berechne f(Vn+1) und damit das rekonstruierte Bild im Iterationsschritt n+1 | + | |
- | Wiederhole ab Schritt 2, bis f(Vn+1) = f(Vn) | + | |
aufgabenbeispiel.1705830271.txt.gz · Zuletzt geändert: 2024/01/21 09:44 von torsten.roehl