آموزش شبکه همینگ (Hamming network) در متلب

در ادامه آموزش های سایت همیارپروژه درباره شبکه خودسازمانده با شبکه همینگ (hamming network)  آشنا خواهیم شد . در این آموزش مقدماتی از این شبکه را فرا میگیریم.

قبل از شروع بحث راجع به شبکه ي همینگ باید با برخی اصطلاحات آشنا شویم. اولین تعریف مربوط به فاصله برابر تعداد مولفه هاي دو بردار است که با هم Sj و X ي همینگ می شود. فاصله ي همینگ بین دو بردار نمایش داده می شود.

تعریف بعدي مربوط به مفهوم میزان تشابه دو بردار است. میزان dj متفاوت هستند، که با نمایش می دهند. پس با توجه به aj تشابه دو بردار عبارتست از تعداد مولفه هاي برابر دو بردارکه آن را با تعاریف ارائه شده داریم:

aj=n-dj

اکنون اگر فرض کنیم که دو بردار دو قطبی باشند(فقط حاوي مقادیر ۱ و ۱- ) آنگاه می توان روابط زیر را ارائه نمود:

بعد از ارائه ي توضیحات اولیه اکنون به بحث پیرامون هدف ارائه ي این شبکه می پردازیم. در شبکه ي همینگ ورودي به X تعدادي از نورون ها شبیه شکل فوق، تعدادي بردار نمونه را ارائه می دهند و شبکه میزان شباهت را مشخص می کند.

این بزرگترین X هر یک را بدست می دهد. بزرگترین خروجی شبیه ترین بردار  نمونه به  X  را مشخص می کند.مشخص کرد.این بزرگترین خروجی را می توان با استفاده از یک لایه maxnet مشخص کرد.

ساختار شبکه

همانگونه که در بخش بالا اشاره شد این شبکه از دو بخش تشکیل یافته است، بخش اول که هر واحد آن معرف یک بردار می باشد که قصد مقایسه ي ورودي با آن را داریم و وزن اتصالات آن نیز بر اساس تعاریف از قبل مشخص و تنظیم می شود، بخش دوم شبکه یک لایه ي شبکه ماکس نت است که جهت تعیین بزرگترین خروجی از بخش اول استفاده می شود و بدین طریق کار تشخیص شبیه ترین بردار به بردار ورودي انجام می گیرد. شکل ذیل ساختار این شبکه را نمایش می دهد.

الگوریتم کار شبکه

j=1,…,m yj(0)=yi
-۴ الگوریتم ماکس نت انجام می شود

شبکه hamming کاربردهای زیادی را در هوش مصنوعی و انجام پروژه های متلب دارد.تجربه یادگیری عملی این شبکه در محیط متلب و پایتون به شما این امکان را می دهد که بتوانید پروژه های بزرگی را به سرانجام برسانید.