arvon askelfunktion kautta tulokseksi. Verkko käyttää ainoastaan kaksiarvoisia tiloja, joko binäärisiä 0 ja 1 tai

Samankaltaiset tiedostot
6. Stokastiset prosessit (2)

ABTEKNILLINEN KORKEAKOULU

MONIKAPPALEMEKANIIKAN MALLINTAMINEN PARAMETRISOIMALLA SIDOSMONISTO

1. välikoe

Mat Koesuunnittelu ja tilastolliset mallit

4. A priori menetelmät

Jaksolliset ja toistuvat suoritukset

Johdatus tekoälyn taustalla olevaan matematiikkaan

Vuoden Beauceron -säännöt (voimassa alkaen) Yleisiä periaatteita

Luento 6 Luotettavuus Koherentit järjestelmät

4.3 Liikemäärän säilyminen

Mat Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat:

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

Mekaniikan jatkokurssi Fys102

12. laskuharjoituskierros, vko 16, ratkaisut

ER-kaaviot. Ohjelmien analysointi. Tilakaaviot. UML-kaaviot (luokkakaavio) Tietohakemisto. UML-kaaviot (sekvenssikaavio) Kirjasto

Yrityksen teoria ja sopimukset

Kuluttajahintojen muutokset

RATKAISUT: 17. Tasavirtapiirit

Mat Sovellettu todennäköisyyslasku A

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

Tchebycheff-menetelmä ja STEM

Sähköstaattinen energia

12. ARKISIA SOVELLUKSIA

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

1, x < 0 tai x > 2a.

Y56 Laskuharjoitukset 3 palautus ma klo 16 mennessä

/If# Lu.ErTeL.a It?.?. /~.3

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

Monte Carlo -menetelmä

3.5 Generoivat funktiot ja momentit

Rak Rakenteiden mekaniikka C, RM C (4 ov) Tentti

Yrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu

Intensiteettitaso ja Doplerin ilmiö

Painotetun metriikan ja NBI menetelmä

Tarkastellaan esimerkiksi metaanikaasun täydellisen palamisen yhtälöä ilmakertoimella l = 1.2

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Työssä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa

Eräs Vaikutuskaavioiden ratkaisumenetelmä

C B A. Kolmessa ensimmäisessä laskussa sovelletaan Newtonin 2. ja 3. lakia.

RATKAISUT: 8. Momentti ja tasapaino

BL20A0600 Sähkönsiirtotekniikka

S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I

Palkanlaskennan vuodenvaihdemuistio 2014

d L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ

Matematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin)

Luku 16 Markkinatasapaino

Mat Lineaarinen ohjelmointi

SATE1140 Piirianalyysi, osa 1 kevät /8 Laskuharjoitus 7: Vaihtovirta-analyysin perusteet

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

S if b then S else S S s. (b) Muodosta (a)-kohdan kieliopin kanssa ekvivalentti, so. saman kielen tuottava yksiselitteinen.

A250A0100 Finanssi-investoinnit Harjoitukset

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Pyörimisliike. Haarto & Karhunen.

Telecommunication engineering I A Exercise 3

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Harjoituksen 1 ratkaisuehdotukset

X 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k

S FYSIIKKA IV (ES), Koulutuskeskus Dipoli, Kevät 2003, LH2. f i C C. λ 2, m 1 cos60,0 1, m 1,2 pm. λi λi

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

7. Modulit Modulit ja lineaarikuvaukset.

3. Datan käsittely lyhyt katsaus

Valuma-aluetason kuormituksen hallintataulukon vaatimusmäärittely

Kertausosa. 2. Kuvaan merkityt kulmat ovat samankohtaisia kulmia. Koska suorat s ja t ovat yhdensuuntaisia, kulmat ovat yhtä suuria.

SYNKRONIKONEET RELUKTANS- SIKONEET RM RM RM + >>L q. L d >>L q. Harjalliset -pyörivä PMSM upotetu magneetit

Tutkimus terveyden- ja vanhustenhuollon tarve- ja valtionosuuskriteereistä

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Tässä harjoituksessa käsitellään Laplace-muunnosta ja sen hyödyntämistä differentiaaliyhtälöiden ratkaisemisessa.

Geneettiset algoritmit ja luonnossa tapahtuva mikroevoluutio

Kahdeksansolmuinen levyelementti

Jakso 4: Dynamiikan perusteet jatkuu, työ ja energia Näiden tehtävien viimeinen palautus- tai näyttöpäivä on maanantaina

FYSA220/2 (FYS222/2) VALON POLARISAATIO

Kahdeksansolmuinen levyelementti

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Palkanlaskennan vuodenvaihdemuistio 2017

Mat Tilastollisen analyysin perusteet, kevät 2007

PD-säädin PID PID-säädin

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Rahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

RATKAISUT: 3. Voimakuvio ja liikeyhtälö

9. Muuttuva hiukkasluku

Viherlassilan kevätlehdestä saat ilmaiset VINKIT ja myymälästämme ILMAISET NEUVOT kaupanpäälle! i t. t ä. o k. ...ja maailmasi kasvaa

METSÄNTUTKIMUSLAITOS. tutkimusosasto. Metsäteknologian WÄRTSILA. Kenttäkoe. Tutkimusselostus

Hallin ilmiö. Laatija - Pasi Vähämartti. Vuosikurssi - IST4SE. Tekopäivä Palautuspäivä

Yksikköoperaatiot ja teolliset prosessit

HIFI-KOMPONENTTIJÄRJESTELMÄ

Viikkotehtävät IV, ratkaisut

PERUSSARJA. Tasapainossa punnusten painovoima on kumilangan venymistä vastustavan voiman suuruinen, mutta vastakkaissuuntainen.

FYSI1162 Sähkö / Piirianalyysi syksy kevät /7 Laskuharjoitus 6: Vaihtovirta-analyysin perusteet

Ravintoloiden tupakansavuhaittojen vähentäminen. Raportti TUR B013

SMG-1100: PIIRIANALYYSI I

Transkriptio:

96 6. Hopfeldn verkot 6.. Johdanto John Hopfeld ett 980-luvun alkupuolella nyttemmn nmeään kantavan verkkomalln analyyeneen. Snä ol ekä yhtymäkohta perceptronn että uua deota. Hän kehtt energafunktoden käyttöä a tarkatel verkkoa muden fykaalten kätteden valoa. Hopfeldn neuroverkon olmut on yhdtetty kakkn muhn olmuhn t. verkko on täyn yhdtetty. Verkko on etetty kuvaa 6.. a heman ton kuvaa 6.. Kuva 6.. Hopfeldn verkko. Kuva 6.. Hopfeldn verkon vahtoehtonen etymuoto. 97 Hopfeldn verkko on ymmetret panotettu llä panoarvot ovat amat molempn uuntn okaen olmuparn välllä. Ykkerroken perceptronn kaltaet okaella olmulla on kynnyarvo a akelfunkto ekä olmu lakee yöttedenä panotetun umman vähennettynä kynnyarvolla välttäen tämän arvon akelfunkton kautta tulokek. Verkko käyttää anoataan kakarvoa tloa oko bnäärä 0 a ta bpolaara a +. Jälkmmäet uovat hvenen edellä yknkertaemman matemaatten perutan oten euraavaa käytetään bpolaara. Kuven 6.. a 6.. noalla on elvää että verkoa e ole mtään erllä yöte- ta tuloyhteykä. Jokanen olmu on nätä molempa. Tämä on Hopfeldn verkon pääomnauu a eroavuu aemmn etettyhn verkkohn nähden. Jokaeen olmuun yötetään tetoa alkuarvoen a + oukko amalla hetkellä. Neuroverkko ätetään tten proeomaan eteenpän tloen euratea toaan kunne e uppenee tabln ratkauun. Tää tlaa olmuen arvot evät enää muutu. Kun verkko on aavuttanut tabln vakaan tlan olmuen arvot ovat verkon tulo. Tämä ohtuu tä että okaen olmun ollea yhdtetty kakkn muhn olmun arvo vakuttaa kakken nden arvohn. Alkutla edutaa mona erlaa arvoa otka pyrkvät vakuttamaan tona. Tämä on todennäköet epätabl koka okn arvo vo yrttää kääntää toa päälle kun taa okn muu vo yrttää kääntää ntä po päältä. Neuroverkon rtyeä tlota ton e yrttää aavuttaa kompromn kakken arvoena välllä a lopullnen vakaa tla edutaa parata kompromratkaua onka verkko kykenee löytämään. Tää tlaa on yhtä monta yötettä otka yrttävät kääntää ykkön päälle kun ellaa otka yrttävät kääntää tä po päältä. Täten yteem ää tabln tlaana.

98 Neuroverkon tomnta on radkaalt erlanen perceptronn verrattuna oa yöttetä ovelletaan a verkko tuottaa ratkaua edutavan tuloken. Hopfeldn verkoa tämä enmmänen tulo otetaan uudek yötteek oka tuottaa uuden tuloken ne. Ratkau aadaan kun akoen tuloten välllä e ole enää muutoka. Onko oppmproeduur erlanen perceptronn verrattuna? Onko melekätä tapaa tallettaa hahmooukko Hopfeldn verkkoon? Jo nän on nn mkä e on a mk e tom? Jatkoa pyrtään vataamaan nähn kyymykn. 6.. Hopfeldn mall Hopfeldn neuroverkon tomnnan määrttelevä algortm on euraava. Hopfeldn verkon algortm. Määrää yhteyken panoarvot. w = M = 0 x x 0 = a = 0... N Tää w on olmuen a välen yhteyden panoarvo ekä x on luokan emerkkhahmon komponentt ollen oko ta +. Kakkaan on M hahmoa. Ykkköen kynnyarvot ovat nolla.. Aluta tuntemattomalla hahmolla µ (0) = = 0... N x oa µ(t) on olmun tulo hetkellä t. 99 3. Itero kunne uppenee. µ ( N t + ) = f h ( w µ = 0 ( t )) = 0... N Funkto fh on vomakkaat raottava epälneaar kynnyfunkto akelfunkto kuvan 3.3. mukaet. Iteronta totetaan kunne olmuen tuloket evät enää muutu. Neuronen välet panoarvot aetetaan käyttäen algortma annettua kaavaa a kunkn luokan emerkkhahmoa. Tämä on algortmn opetuvahe oka lttää hahmon teenä. Tunntuvaheea verkon tulo ovtetaan tuntemattoman hahmon kana. Verkon annetaan tten teroda vapaat kunne e aavuttaa tabln tlan ollon tulo e enää muutu. Verkko uppenee ratkauun. Hahmoen autoaoaato merktee että väärtyneen yötehahmon ety ohtaa okeellen hahmon uudelleentuottamen tulokek. Hopfeldn verkon tomnta vodaan tvtää euraavat. Aluta verkko. Syötä tuntematon hahmo. Itero kunne uppenee. 6.3. Energapnta Hopfeldn verkko on parhaten ymmärrettävä energapntoen avulla. Perceptronn tapaukea e anto vuaalen analogan oka muodot ntutven kuvan proeta. Hopfeldn verkon tapaukea energapnnalla on kuoppa ta yväntetä otka vataavat verkkoon talletettua hahmoa. Tuntematon yötehahmo edutaa energapnnan määrättyä ptettä. Kun verkko tero tetään koht ratkaua pte rtyy pnnalla koht otakn yvännettä.

00 Vetovomayvänteet vataavat verkon tablea tloa. Ratkau aavutetaan kun pte rtyy yvänteen almpaan alueeeen. Kakk lähalueet ovat eltä katoen ylämäkeen oten proe ää nne. Tämä on uoraan analognen fykaalelle kolmdmenoelle tlanteelle oa epätaaelle pnnalle aetettu pallo pyör koht lähntä yvännettä aettuen tabln tlaan. Tämä e muutu pallon aavutettua pohan. Perceptronn energafunkto ol muotoa E = ( t p o ) oa p ol hahmo a a verkon olmua. Tämä rppu verkon ekä halututa että aaduta tuloketa. Hopfeldn verkon tapaukea tarvttavat välvaheet evät ole tunnettua a k tää verkkoarkktehtuura tarvtaan otakn edelltä opvampaa. On lt melekätä älyttää perceptronn otakn prtetä energafunktoa. Sen tulee olla uur uurlle vrhelle a pen penlle vrhelle. Verkon panoarvoen täytyy vakuttaa energaan amon kun etettyen hahmoenkn ota vaatmuka energafunkton on heatettava. Sopva energafunkto Hopfeldn verkkoa varten on muotoa (6.) E = w x x + x T oa w on olmuen a välnen panoarvo a x on olmun tulo. T on olmun kynnyarvo. Kun tulo yötetään takan verkkoon tuloket edutavat euraavaa yöteoukkoa. Nän ekä panoarvot että yötteet on ekplttet etetty. Panoarvot ältävät hahmonformaatota a kakk hahmot on ällytetty tähän energafunktoon. Solmua e ole uoraan yhdtetty teenä ollon termt w ovat nolla. Koka yhteydet ovat ymmeträ on w=w. 0 Kun on määrtelty vrhefunkto vodaan vatata kyymykn hahmoen tallettameta a mutta palauttameta. Jo hahmot aadaan energapnnan mataln kohtn vodaan oveltaa lakeutuvaa gradentta energapnnalla onkn tällaen mnmn löytämek mkä antaa ratkaun. 6.3..Hahmoen talletu Hahmon tallettamta varten tämän energafunkton arvoa ptää mnmoda otta e aettuu energapnnan mnmkohtaan. Aemmn talletetut halutaan luonnollet myö älyttää oma yvänteään oten uuen hahmoen läämnen e aa tuhota kakkea aempaa nformaatota. Panoarvomatr ältää nformaatota talletetuta hahmota. Halutaan nän ollen löytää panoarvoen ety oka tuottaa mnmn energafunktoon. Mnmodaan energafunktota E = w x x + x T määrätylle hahmolle olla on yötekomponentten oukko x0 x xn-. Jokaen termn on oltava negatvnen oten umman x T on oltava negatvnen. Tämä aadaan akaan määrätylle hahmolle aettamalla T vatakkamerkkek kun x. Er hahmolla on kutenkn er arvoa x a llon kynnyterm vo myö kavattaa vrhefunkton E arvoa. Tämän välttämek on parata aettaa kynny nollak oka e vähennä ekä kavata energafunkton arvoa mllekään hahmota.

0 Krotetaan x tarkottamaan yötehahmon komponentta arvoltaan oko + ta. Tällön w on olmuen a välnen panoarvo enteen tapaan a ältää hahmonformaatota kakta opetetuta hahmota. Panoarvomatr vodaan akaa nän ollen kahteen oaan. Tonen ettää kakken hahmoen vakututa pat hahmon ohon vtataan panolla w a tonen on pelkätään hahmon ouu ohon vtataan panolla w. Energafunkto vodaan nyt krottaa uudelleen kahteen oaan el E = w x x (6.) w x x = E p S + E mä S on kakken hahmoen p oukko. Energafunkton ouudet erotettn nän hahmon uhteen. Vodaaan aatella energaa gnaalna lättynä kohnalla. Sgnaal on tää hahmon aheuttama energa kun taa kohna ohtuu kakken muden hahmoen vakutuketa. Yo. hahmon tallettamnen vataa energafunkton tekemtä mahdollmman penek. Kaavan (6.) enmmänen term vataa kohnaa ekä tä voda uurkaan muuttaa. Toen termn gnaaln vakututa vodaan vähentää. Nän ollen hahmon tallettamek mnmodaan :nnen energatermn vakututa energafunktoon tekemällä arvo (6.3) mahdollmman penek. x x E = w 03 Eo. vataa arvon w x x tekemtä mahdollmman uurek kaavan (6.3.) negatven etumerkn taka. Komponentt x ovat arvoltaan oko + ta. Sllon x on ana potvnen. Jo energaterm aetetaan rppuvak tulota x x e on ana potvnen a umma aadaan nn uurek kun mahdollta. Em. aadaan aettamalla x x = x x w a huomaamalla että haluttu tulo tulee merkttäeä panoarvot euraavan yhtälön mukaan. w = x x Nyt haluttu tulo on käytettävä. Edellnen panoarvoen yhtäuurk merktemnen mnmo energafunktota hahmolle. Kakken hahmoen panoarvoen lakemta varten laketaan yhteen tämä yhtälö kakken hahmoen yl. Saadaan laue olmuen vällle aetetulle kokonapanoarvolle: = w = x x w Verrattaea tätä algortmn enmmäeen akeleeeen nähdään että ne ovat denttä. Nyt ymmärretään enmmäen akeleen todella tallettavan kakk alkuhahmot neuroverkkoon.

04 Panoarvon w muuttamnen muuttaa arvoa Ep S- onkn verran kaavan (6.3) mukaan. Täten hahmoen läämnen haottaa oan määrn aempaa talletuta mutta tätä e vo välttää. Hopfeldn verkolla e ole teään mtään teratvta oppmalgortma. Hahmot talletetaan yknkertaet lakemalla nden energaa. Verkolla e ole ploykkötä ollen ten kykenemätön koodaamaan dataa. 6.3.. Mutta palauttamnen Kun hahmot on talletettu verkkoon ptää ne aada palautettua eltä tarvttaea. Tämä uortetaan lakeutuvalla gradentlla energafunkton uhteen. Kätellään kaavan (6.) energafunktota. On lakettava määrätyn olmun arvon vakutu energafunktoon. Stten käydään verkko läp vähentäen okaen olmun vakututa kunne energa-arvo on mnmään. Energafunkto on lmatava kahdea oaa akamalla olmun k vakutu euraavat. E = w k k x x + x T k (6.4) x + k x w k x k x w k x k T k Nyt k: neuron vahtaa tulotlana arvota xk arvoon xk. Energaerotu E = E E onka tlan vahto x = x k k x k 05 aheuttaa aadaan kehttämällä yhtälö (6.4) arvolle xk a xk ekä tten vähentämällä. Erotu vodaan krottaa euraavat. (6.5) E = ( x ) k x w k + x k x w k + x k T k Neuronn k muuto e vakuta kaavan (6.4) enmmäeen kahteen termn oten ne äävät ennalleen a tämän taka eventyvät po. Matrn w ollea ymmetrnen vodaan ndekeä vahtaa a eventää laueke euraavaan muotoon. (6.6) E = x k ( x w k T k ) Lauekkeen ummaterm on yötteden olmuun k umma a Tk on ykkön k kynnyarvo. Kunkn olmun kynnyarvo aetettn nollak talletuvaheea otta taattan hahmoen muodotavan mnmeä energafunktoon. Kun olmun tulo on oko + ta arvon Ek penentämnen merktee tuloken + tuottamta mkäl panotettu umma on uuremp kun nolla a tuottamta mkäl tämä on penemp kun nolla. Molemmat penentävät arvoa Ek. Verrattaea tätä Hopfeldn verkon olmuen pävtyfunktoon > 0 x + w x = = 0 tla pyyy k < 0 x entellään nähdään että pävtyfunkto uorttaa tämän operaaton a toteuttaa ten lakeutuvaa gradentta E:ä. Tämä mahdolltaa hahmoen palauttamen verkota käytäeä peräkkän läp tloa olla kullakn on matalamp energa kun edeltäällä ta o panotettu umma on yhtä uur kun kynnyarvo yhtä uur energa. Tämä lentymnen el relakaato enttä matalampaan

06 energatlaan atkuu matalan energan vakaaeen tlaan at ollon verkko on löytänyt tenä mnmn a tuottanut hahmon. Pävty vodaan tehdä kahdella heman totaan pokkeavalla tavalla. Pävty on tehtävä kaklle olmulle amanakaet mä verkon arvot äädytetään välakaet a tten laketaan kaklle olmulle euraava tla. Uu tla vataa yhtä pävtytä pokk koko verkon. Tämä operaato on ynkronnen pävty. Vahtoehtonen menettely aynkronnen pävty on kyymykeä kun olmu valtaan atunnaet a pävtetään en tulo yöttedenä mukaan. Proea totetaan. Pääero menetelmen välllä on että aynkronen pävtyken tapaukea ykttäen olmun tuloken muuto vakuttaa yteemn tlaan a vo k vakuttaa euraavan olmun muutokeen. Nän ollen olmuen pävtyärety vakuttaa oan määrn verkon käyttäytymeen. Vakutuket ovat lmeä palauttamvaheea llä euraavan pävtettävän olmun valnnan atunnauu muuttaa hahmoonoa onka verkko kehttää. Sykronea pävtykeä kakk olmut pävtetään yhdeä oten vältlanteden hahmot evät muutu. Aynkronnen pävty lää heman epävarmuutta ta epädetermnmä kulettavaan polkuun yötteetä lopulleen vakaaeen tlaan. Molemmlla menetelmllä on lt ama ylenen luonne a e kumpaa käytetään on harvon ertyen tärkeä ekka. Tärkeä Hopfeldn verkon tomnnalle on verkon panoarvomatrn ymmetryy nolla-alkoen halkaan uhteen. Jopa vähänen pokkeama tätä ymmetrata vo tehdä verkota epätabln ollon verkko e aetu mhnkään vakaaeen lopputlaan. Malla on ttemmn laaennettu tutkmalla erlaten yhteyken käyttöä a taaten kynnyfunktoden kuten gmodfunkto käyttöä akelfunkton ata. 07 6.3.3. Emerkk Kuva 6.3. ettää hahmoen oukkoa ota käytettn erään Hopfeldn verkon opetukea. Kuva 6.4. oottaa mten verkko tom. Kuva 6.3. Hopfeldn verkon opetuoukko. Kuva 6.4. Verkolle annetaan väärtynyt yötehahmo. Hahmoono ettää mten verkko kulkee peräkkäten tloen kautta kunne tabl tulo on aatu kehtettyä.