人工神经网络学习笔记_Hamming网络_竞争网络

    Hamming网络是专门为求解二值模式识别问题而设计的（输入向量的每个元素只能是两个可能值中的一个）。它同时采用了前馈网络和反馈网络，并且第一层的神经元数目和第二层神经元数目相同。

    功能：判定输入向量最接近于哪个标准向量。

1，前馈层——内积操作层

    主要的功能是计算输入模式与各个标准模式之间的内积加输入变量个数。内积在两个向量指向同方向时最大，指向相反时值最小。根据这个特点，前馈层具有最大输出的神经元正好对应与输入模式Hamming距离最小的标准模式。这就是”Hamming网络”的来由！

    权值矩阵：利用标准模式来构建权值矩阵!

    偏置向量：每个元素均等于输入向量个数。

    神经元数：等于标准模式个数!

2，递归层——动态竞争层

    其实就是”竞争”层，该层中的各个神经元相互竞争以决定谁是胜利者，最后只有一个神经元的输出值不是0，表示输入的类别!

    权值矩阵：类似于[1 -x;-x 1;]的矩阵，详细见《神经网络设计》p3－10。

    偏置向量：为零!

    神经元数：和前馈层相同!

参考资料

《神经网络设计》_机械工业出版社

Hamming距离http://baike.baidu.com/link?url=qoUJ2ueYr4bTwA0yEMVVxQMZsVbS1qKzQP3yLkexCFef_uY4VHPIKszrGwrIEMmf