ホップフィールドネットワーク

ホップフィールドネットワーク

ホップフィールドネットワークは、リカレント型の 人工ニューラルネットワーク that serves primarily as an associative memory system. Introduced by John Hopfield in 1982, this network is designed to store and recall コンテンツアドレス可能な記憶モデルに基づくパターン

その architecture of a Hopfield Network consists of a single layer of interconnected neurons, where each neuron is connected to every other neuron, but not to itself. These connections have weights that can be either positive or negative, allowing the network to represent various patterns. The key feature of a Hopfield Network is its ability to converge to a stable state that represents a stored pattern when it is presented with a partial or noisy version of the input.

動作中、ネットワークはニューロンの状態を非同期または同期的に更新し、それぞれの入力の重み付き和に基づいて閾値関数を適用し、各ニューロンを活性化（つまり1を出力）させるか、非活性（0を出力）に保つかを決定します。保存されたパターンは、ネットワークのエネルギーランドスケープの局所的な最小値として表され、パターンの想起プロセスは、これらの最小値に向かってエネルギーを最小化することとして見ることができます。

Hopfield Networks are particularly valuable for tasks such as error correction, pattern recognition, and optimization problems. However, they have limitations, including a capacity constraint on the number of patterns they can reliably store, which is approximately 0.15 times the number of neurons in the network. Despite these limitations, Hopfield Networks laid the groundwork for further research in ニューラルネットワーク より複雑なモデルの開発に影響を与えました。