1

ニューラル ネットワークを使用して交通標識を認識するプログラムを作成していますが、Hopfieldネットワークに問題があります。この例を使用して、独自のホップフィールド ネットワークを作成しています。

0入力として、正規化後にこれらの交通標識を使用します。これはとの 50x50 行列です1

私が遭遇する問題は、Hopfield ネットワークが 2 つのパターンを学習すると、それらをよく認識しますが、結果として 2 つ以上のパターンでトレーニングしようとすると、以前のパターンのいずれにも一致しないパターンが得られることです。トレーニングされ、私が提供する入力に対してそれを返します。

これが私のコードで、公式のencogの例のものと非常によく似ています:

public BiPolarNeuralData convertPattern(double[][] data, int index)
{
    int resultIndex = 0;
    BiPolarNeuralData result = new BiPolarNeuralData(WIDTH*HEIGHT);
    for(int i=0;i<(WIDTH*HEIGHT);i++)
    {
        boolean znak=true;
        if(data[index][i]==1)znak=true;
        else znak=false;
        result.setData(resultIndex++,data[index][i]==1.0);
    }

    return result;
}

public void display(BiPolarNeuralData pattern1,BiPolarNeuralData pattern2)
{
    int index1 = 0;
    int index2 = 0;

    for(int row = 0;row<HEIGHT;row++)
    {
        StringBuilder line = new StringBuilder();

        for(int col = 0;col<WIDTH;col++)
        {
            if(pattern1.getBoolean(index1++))
                line.append('O');
            else
                line.append(' ');
        }

        line.append("   ->   ");

        for(int col = 0;col<WIDTH;col++)
        {
            if(pattern2.getBoolean(index2++))
                line.append('O');
            else
                line.append(' ');
        }

        System.out.println(line.toString());
    }
}


public void evaluate(HopfieldNetwork hopfieldLogic, double[][] pattern)
{
    for(int i=0;i<pattern.length;i++)
    {
        BiPolarNeuralData pattern1 = convertPattern(pattern,i);
        hopfieldLogic.setCurrentState(pattern1);
        int cycles = hopfieldLogic.runUntilStable(100);
        BiPolarNeuralData pattern2 = hopfieldLogic.getCurrentState();
        System.out.println("Cycles until stable(max 100): " + cycles + ", result=");
        display( pattern1, pattern2);
        System.out.println("----------------------");
    }
}

public BasicNetwork trainHopfieldNetwork(){
    HopfieldNetwork hopfieldLogic = new HopfieldNetwork(HEIGHT*WIDTH);

    for(int i=0;i<inputData.length;i++)
    {
        hopfieldLogic.addPattern(convertPattern(inputData,i));
        System.out.println("Pattern : "+i);
    }

    evaluate(hopfieldLogic,inputData);

    return null;
} 

の型はどこinputDataにありますか。array[2500]double

私がこれまでに試したことは次のとおりです。

  1. パターンのサイズを小さく変更 (10x10、20x20)。

  2. さまざまな数のパターン (2 から 20 まで) を学習しようとしています。ネットワークがトレーニングされたパターンのいずれにも一致しない奇妙な結果が常に得られます。

4

1 に答える 1

1

結局のところ、問題はネットワークの学習ルールでした。encogフレームワークは複雑なネットワークにはあまり役に立たないhebb学習ルールしか実装していないため、疑似反転学習ルールを実装する必要がありました。その後、ホップフィールドネットワークは問題なくパターンを認識し始めました。

于 2013-01-06T02:17:03.913 に答える