最新情報を購読する
最新情報は、feedlyかRSSで購読できます。
脳科学・神経科学を網羅的に学ぶ必読書
カンデル神経科学は、脳科学・神経科学分野のバイブル的存在。2014年4月に日本語版が出版され、英語や医学用語が得意でない方にも大変読みやすくなりました。脳科学、神経科学について学ぶなら絶対に持っておきたいおすすめの一冊。
サイドバー
ホップフィールドネットワーク(Hopfield network)
ホップフィールド・ネットワーク(Hopfield network)は、アメリカ合衆国の物理学者であるジョン・ホップフィールド (J.J. Hopfield) が提唱したニューラルネットワーク(neural network)におけるモデルの一種。
ユニット(ニューロン)間に対称的な相互作用がある非同期型ネットワークであり、自然な操作によってネットワークのエネルギーが極小値をとる。元はスピンの安定条件をもとめるモデルとして発想されたものであったが、ネットワークによる連想記憶のモデルとして歓迎され、ニューラルネットブームの火付け役の一つとなり、また後のボルツマンマシンの元ともなった。ボルツマンマシンは統計的な変動をもちいて、エネルギーが極小値ではなく最小値をとることを目指すモデルである。
ホップフィールドネットワーク(Hopfield network)の学習と連想の仕組み
ホップフィールドネットワーク(Hopfield network)は主に連想記憶のモデルとして有用であり、ノイズの入った画像から元画像を出力(連想)するなどの用途に使われている。想起の回数が増えれば元の画像に近くなる。入力層、出力層がなく、中間層のみであり、中間層では、各ニューロンが全てのニューロンと結合している。各ニューロンの状態は2値で表現される。
ホップフィールドネットワークの学習では、データを中間層に入れてから各ニューロンへの重みを計算する。このとき、他のニューロンとの関係を重みとして学習する。また、ホップフィールドネットワークでの連想の仕組みは、何らかのデータが入力されたとき、下記の手順を繰り返すことで学習したデータを連想させることができる。
- 任意のニューロンを選択する。
- その他のニューロンについて、重みや状態から学習したパターンとの差異を計算する。
- 計算結果によって、選択したニューロンを調節する。
ホップフィールドネットワークに関する参考資料
関連