Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- aufgabenbeispiel [2024/01/21 09:50] – [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: @@
 {{:inf:aufgabe.gif?|}}
-Das Netz soll zuerst eine Anzahl von Bildern speichern. Anschließend soll das Netz dann in der Lage sein, ein verrauschtes, also fehlerbehaftetes Bild, zu rekonstruieren.
+**Das Netz soll zuerst eine Anzahl von Bildern speichern. Anschließend soll das Netz dann in der Lage sein, ein verrauschtes, also fehlerbehaftetes Bild, zu rekonstruieren.
+**
+\\ \\
 Dazu betrachten wir Bilder mit lediglich zwei Farben (//binäre Bilder//).  Die Aktivität der Neuronen wird damit farblich codiert. Beispielsweise könnte weiß für Neuron **-1** (inaktiv) und schwarz für Neuron **1** (aktiv) stehen.
@@ Zeile 36: / Zeile 37: @@
 Das Hopfield-Netz verwendet die Schwellenwertfunktion als Aktivierungsfunktion:
+\begin{equation}
+     f(x)=\left\{\begin{array}{ll} 1 : & x\geq 0 \\
+: & x < 0\end{array}\right.
+ \end{equation}
 Entscheidener Schritt ist die Berechnung des Produktes aus der Matrix W und dem Bildvektor $V_{\text{ALT}}$. Dieser Schritt ist im Abschnitt "Lernen in Hopfield-Netzen" beschrieben.
@@ Zeile 46: / Zeile 54: @@
 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:
+Der Algorithmus um ein Bild zu rekonstruieren lautet nun:**
   - Präsentiere dem Netz ein verrauschtes Bild  $V_n$  mit $n = 0$.