Обычно сеть обучается распознаванию множества образов. Обучение производится с использованием обучающего набора, состоящего из пар векторов
Предположим, что все запомненные образы представляют собой двоичные векторы. Это ограничение будет выглядеть менее строгим, если вспомнить, что все содержимое Библиотеки Университета может быть закодировано в один очень длинный двоичный вектор. Показано, что более высокая производительность достигается при использовании биполярных векторов. При этом векторная компонента, большая чем 0, становится
Предположим, что требуется обучить сеть с целью запоминания трех пар двоичных векторов, причем векторы
Исходный вектор | Ассоциированный вектор | Бинарная версия | |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() |
Вычисляем весовую матрицу:
Далее, прикладывая входной вектор
Используя пороговое правило,
вычисляем
что является требуемой ассоциацией. Затем, подавая вектор
через обратную связь на вход первого слоя к
что дает значение
Этот пример показывает, как входной вектор
с использованием матрицы
ДАП обладает способностью к обобщению. Например, если незавершенный или частично искаженный вектор подается в качестве