Exercices mémoires associatives et réseaux récurrents

Listes des exercices

• Apprentissage hebbien
• Test d’un réseau de Hopfield discret avec 2 entrées en erreur
• Relaxation
• Nombre de cycles de relaxation
• Fonction d’énergie
• Matrice de poids pour l’apprentissage hebbien
• Entraînement d’une mémoire hétéroassociative
• Méthode de Hebb
• Produits vectoriels externes
• Produit matriciel
• Réseau de Hopfield utilisé en optimisation

Profitez de ce manuel de formation en PDF pour comprendre mieux le Réseaux récurrents et enrichir votre connaissance.

Commencez à télécharger ce cours adapté pour vous et à apprendre Réseaux récurrents.

Travaux Pr atiques MŽmoires associativ es et rŽseaux rŽcurrents 301
3. Matrice de poids pour lÕapprentissage he bbien (ref. F ausett, e xercice 3.1)
LՎquation 6.5 dŽcrit la formation de la matrice de poids comme
lÕaccumulation des matrices de corrŽlation entre les couples entrŽe-sortie
de toute la base dÕapprentissage :
Montrer quÕune autre faon de visualiser la formation de la matrice de poids
est de former dÕabord une matrice qui contient tous les vecteurs dÕentrŽe
de la base dÕapprentissage. La matrice rŽsultante TT est de dimension
et ses colonnes correspondent aux formes dÕentrŽe :
Une seconde matrice, celle des prototypes ˆ mŽmoriser V, est de dimension
et ses lignes correspondent aux prototypes de sortie :
La matrice de poids W est alors obtenue en calculant le produit matriciel :
Tk:Vk
C W E Tk
T Vk !  » # Tk
T Vk !
k 1=
K
! = = =
Tk
N K!
Tk
TT T1
T T2
T $ Tk
T $ TK
T % % % % % & ‘ =  » TT
t1 1& ‘$ t1 K& ‘
$ $ $
tn 1& ‘$ tn K& ‘
$ $ $
tN 1& ‘$ tN K& ‘
=
K M!
V V1 V2 $ Vk$ VK % % % % % & ‘ =  » ( V
v1 1& ‘$ vM 1& ‘
$ $ $
v1 k& ‘ $ vM k& ‘
$ $ $
v1 K& ‘$ vM K& ‘
=
W TT V!
t1 k& ‘v1 k& ‘
k 1=
K
! $ t1 k& ‘vM k& ‘
k 1=
K
!
$ $ $
tN k& ‘v1 k& ‘
k 1=
K
! $ tN k& ‘vM k& ‘
k 1=
K
!
= =