The recall process is executed as s

The recall process is executed as shown in figure 4.29. It can be organized in the following modes:
• Asynchronous updating: Each neuron may change its state at a random moment with respect to the others.
• Synchronous updating: All neurons change their states simultaneously at a given moment.
• Sequential updating: Only one neuron changes its state at any moment; thus all neurons change their states, but sequentially.
A few more words about the network's equilibrium: Borrowing from thermodynamics, Hopfield defined a parameter E called the energy of the network, which is a dynamical parameter and which can be calculated at any moment t as:

The change in E based on a change in a single output value Δoi,

can be expressed as (i not equal to j) This is a steadily decreasing function as the network evolves. During the recall procedure, the network continues to calculate output values until it reaches a minimum of the energy function E, which is an equilibrium state. The energy E can be represented as a surface in n-dimensional space. The equilibrium in a trained Hopfield network can be explained by the attractor principle. During training, the network "sets" some basins of attraction which are stable states for the network corresponding to the training patterns (figure 4.30). When a new vector x' is supplied for a recall, the network will eventually rest after some cycles in an attractor, thus associating the new vector with one of the known patterns (attractors). In the extreme case, the number of basins of attraction is equal to the number m of training patterns. During the recall procedure, when a new input pattern is applied, the network tries to relax into the nearest basin of attraction, thus finding the right pattern to associate the new one with. The recall process is a process of relaxation.

Kết quả (Việt) 1:

Quá trình thu hồi được thực thi như minh hoạ trong hình 4,29. Nó có thể được tổ chức trong chế độ sau:• Cập Nhật không đồng bộ: mỗi tế bào thần kinh có thể thay đổi trạng thái của nó tại một thời điểm ngẫu nhiên đối với những người khác.• Cập Nhật đồng bộ: tất cả các tế bào thần kinh thay đổi kỳ của họ cùng một lúc tại một thời điểm.• Cập Nhật tuần tự: chỉ một tế bào thần kinh thay đổi trạng thái của nó tại bất cứ lúc nào; do đó tất cả các tế bào thần kinh thay đổi kỳ của họ, nhưng tuần tự.Một vài từ thêm về cân bằng của mạng: vay mượn từ nhiệt động lực học, Hopfield định nghĩa một tham số E được gọi là năng lượng của mạng, mà là một tham số động lực và đó có thể được tính toán tại bất kỳ thời điểm t là: Sự thay đổi trong E dựa trên một sự thay đổi trong một giá trị duy nhất đầu ra Δoi, có thể được thể hiện là (i không bằng j) đây là một chức năng giảm đều đặn như mạng phát triển. Trong thủ tục thu hồi, mạng tiếp tục tính toán đầu ra giá trị cho đến khi nó đạt tối thiểu chức năng lượng E, mà là một trạng thái cân bằng. Năng lượng E có thể được biểu diễn như một bề mặt trong n-chiều không gian. Cân bằng trong một mạng Hopfield được đào tạo có thể được giải thích bởi các nguyên tắc attractor. Trong thời gian đào tạo, mạng "bộ" một số lưu vực thu hút là ổn định kỳ cho mạng tương ứng với các mô hình đào tạo (hình 4,30). Khi một vector mới x' được cung cấp cho một thu hồi, mạng sẽ cuối cùng phần còn lại sau khi một số chu kỳ trong một attractor, do đó kết hợp các véc tơ mới với một trong các mô hình được biết đến (attractors). Trong trường hợp cực đoan, số lượng các lưu vực thu hút là bằng số m của mô hình đào tạo. Trong thủ tục thu hồi, khi một mô hình đầu vào mới được áp dụng, mạng cố gắng để thư giãn vào lưu vực sông gần nhất thu hút, vì vậy việc tìm kiếm các mô hình bên phải liên kết với một mới. Quá trình thu hồi là một quá trình thư giãn.

Kết quả (Việt) 2:

Quá trình thu hồi được thực hiện như trong hình 4.29. Nó có thể được tổ chức trong các phương thức sau đây:
• cập nhật không đồng bộ: Mỗi nơron có thể thay đổi trạng thái của nó tại một thời điểm ngẫu nhiên đối với những người khác với.
• cập nhật đồng bộ: Tất cả các tế bào thần kinh thay đổi trạng thái của họ đồng thời tại một thời điểm nhất định.
• cập nhật Sequential: Chỉ có một neuron thay đổi trạng thái của nó bất cứ lúc nào; do đó tất cả các tế bào thần kinh thay đổi trạng thái của họ, nhưng theo tuần tự.
Một vài lời thêm về trạng thái cân bằng của mạng: Vay mượn từ nhiệt động lực học, Hopfield xác định một tham số E được gọi là năng lượng của mạng, mà là một tham số động học và có thể được tính toán tại bất kỳ thời điểm t là : Sự thay đổi trong E dựa trên một sự thay đổi trong một Δoi giá trị đầu ra duy nhất, có thể được thể hiện như (i không bằng j) Đây là một chức năng liên tục giảm như mạng tiến hóa. Trong suốt quá trình thu hồi, mạng tiếp tục để tính toán giá trị đầu ra cho đến khi nó đạt đến một mức tối thiểu của hàm năng lượng E, mà là một trạng thái cân bằng. Năng lượng E có thể được biểu diễn như là một bề mặt trong không gian n-chiều. Sự cân bằng trong một mạng Hopfield đào tạo có thể được giải thích bởi các nguyên tắc thu hút khách hàng. Trong thời gian đào tạo, các mạng "đặt" một số lưu vực thu hút đó là những trạng thái ổn định cho mạng tương ứng với mô hình đào tạo (hình 4.30). Khi một vector mới x 'được cung cấp cho việc thu hồi, mạng cuối cùng sẽ nghỉ ngơi sau một số chu kỳ trong rất thu hút khách, do đó kết hợp các vector mới với một trong những mô hình được biết đến (attractors). Trong trường hợp cực đoan, các số lưu vực thu hút bằng với số lượng m của mô hình đào tạo. Trong suốt quá trình thu hồi, khi một mô hình đầu vào mới được áp dụng, mạng cố gắng để thư giãn vào lưu vực vực gần hấp dẫn, do đó việc tìm kiếm các mô hình bên phải để kết hợp những cái mới với. Quá trình thu hồi là một quá trình thư giãn.