简单的回忆网络outstar

outstar

      希望网络将某种刺激和一个特定输出向量a`联想，可以简单的设置W（仅包含一个单列向量）等于a`。这时如果p=1,输出将是a`,

     ！我们通过将权值矩阵的一列设置为目标向量来构造一个回忆网络，而在前面是通过设置权值矩阵的一行为目标向量来设计识别网络。

outsar规则

    与Instar规则相反，限制权值衰减项与网络输入pj成比例，当学习发生时，列向量wj想输出向量移动：

训练如下的回忆器：

其中

网络的两个输入p0（无条件刺激），以及通过视觉确认菠萝的信号p（条件刺激）。

      无条件刺激的权值矩阵w0被设置为单位矩阵，所以任何测量值集合p0（取±1）可以拷贝到输出a。网络的输出反应了对当前被检验水果的测量值。训练过程如下：

    

     第一次迭代时看到了菠萝，但测量值不对，这时因为还没有学习到，且测量系统还没有开始工作

更新后的权值保持不变，

第二次迭代时，菠萝被看见，且获得正确的测量值。

权值更新为：

       因为可同时获得菠萝的视觉和测量值，因此网络形成了两只之间的联想。权值矩阵是测量值的靠背，所以测量值在以后就可以成为回忆。

       在第三次迭代中，测量值再次不可用，但输入为

       网络现在在测量系统失效时，也能回忆菠萝的测量值。从现在起，权值只有在菠萝被看到，且具有不用的测量值时才会发生变化。