Was ist der Unterschied zwischen einem Hamming- und einem Hopfield-Netzwerk?

Hopfield- und Hamming-Netzwerke sind ältere konnektionistische Netzwerke, die verwendet werden, um verrauschte binäre Eingabedaten zu klassifizieren.

Hopfield-Netzwerke sind die Grundlage für Hamming-Netzwerke, also konzentrieren wir uns zuerst auf diese.

Ein Hopfield-Netzwerk ist eine Reihe von Neuronen, die die Klassifizierung durch gegenseitige Hemmung vornehmen, wie in der folgenden Abbildung von Wikipedia gezeigt:

Beachten Sie, dass die Neuronen nicht wie Ihre typischen biologisch plausiblen Neuronen sind, sie haben zwei Zustände "+1" und "-1". Ihre Aktualisierungsregel, die sie in ein Ausgabemuster zwingt, ermöglicht diese beiden Zustände.

Ein Hamming-Netzwerk ist ein zweischichtiges Netzwerk, wie in dieser Abbildung (entnommen von hier ) gezeigt, wo die Daten von unten fließen:

Wie Sie sehen können, ist die zweite Schicht, manchmal MaxNet-Schicht genannt, identisch mit dem Hopfield-Netzwerk, jedoch ähnelt die Eingabeschicht einem klassischen einschichtigen Perzeptron. Dieses einschichtige Perzeptron wird gemäß den Hamming-Abständen der Eingaben trainiert.

Wie in der Schlussfolgerung „ Ein Vergleich von Hamming- und Hopfield-Neuralnetzen für die Musterklassifizierung “ von Lippmann et al. gezeigt wird, übertreffen Hamming-Netze im Allgemeinen die Leistung von Hopfield-Netzen.