Hopfield Ağ Modeli(Hopfield Network) (HN)
Hopfield ağı çağrışımsal olarak çevirebilen bir modeldir. Diğer yapay sinir ağı modellerinden farklı olarak bir katmana sahip olup girdi ve çıktı katmanları aynıdır. Katmandaki hücre sayılarına göre kapasiteleri vardır. Fakat bu kapasiteler diğer yöntemlerde olduğu gibi sınırlıdır. Hopfield ağı işlemi iki aşamadan oluşamaktadır: Depolama aşaması ve geri çağırma aşaması. Depolama aşamasında nesneler veya karakterler depolanır. Bu aşama kısaca eğitim aşaması olarak tanımlanabilir [1]. Karakter veya örüntü tanımlaması için hafızadan alınan verilerin işlenmesi aşaması yapılır. Bu çalışma karakter veya örüntü çalışmasına örnek olan bir Hopfield Ağ çalışmasıdır. Şekil 1'de verilen yapıda Hopfield Ağının Yapısı görülmektedir.
Hopfield ağının en temel özelliği katmandaki elemanların hepsinin birbirine olan bağlılığıdır. Ağ bağlantı değerleri bir fonksiyon olarak kaydedilmektedir. Hopfield modeli iki şekilden oluşmaktadır. Bunlar şu şekildedir:
- Kesikli Hopfield Ağları
- Sürekli Hopfield Ağları
Hopfield ağ yöntemleri geleneksel yöntemlerler çözülmesi zor olan problemlerin çözülmesinde bir alternatif olarak sunulabilir [3].
Hopfield Ağı Modeli Uygulamaları(HN Applications)
Hopfield ağını çalıştırmanın temel yolu, nöronları rastgele ve bağlı nöronları ağırlıklarıyla birlikte dikkate alarak tekrarlamaktır. Bu aşamalar konu anlatımı tarafında yapılmıştır. Kısaca özetlemek gerekirse, hopfield ağ modeli, her biri birbirine bağlı sinir hücrelerinden oluşan bir kümedir. Girdi ve çıktı kümeleri arasında fark yoktur. Şekil 2’de HN uygulama örneği verilmiştir. Aşağıda verilen alanlarda kullanımı mevcuttur:
- Şifreleme işlemlerinde
- Karakter-Desen Eşleştirmede
- Bozuk Şekillerin Yeniden Oluşturulmasında
- El Yazı Tanımlama Sistemlerinde
Kaynakça
[1] Necmettin Sezgin, «Örüntü Tanımlamada Hopfield Ağının Kullanilmasi,» Journal of Life Sciences, cilt Volume 1, no. Number 2, 2012.
[2] M. Gajdos, «Hopfield networks in Go,» [Çevrimiçi]. Available: https://cybernetist.com/2017/03/12/hopfield-networks-in-go/. [Erişildi: 11 05 2020].
[3] P. Öztemel, Yapay Sinir Ağları, Papatya, Nisan 2012.
Ekstra olarak bu seriye de bakabilirsin :)
