竞争网络——Hamming网络

竞争网络属于一种回馈型网络， 它们是以无指导学习算法为基础。在竞争学习中，神经网络的输出神经元互相竞争被激活的机会，且一次只能激活一个神经元。
以Hamming网络为代表的竞争网络有两个主要的特性：
1、计算了已存储的标准模式和输入模式之间的距离。
2、通过竞争来决定哪个神经元所代表的标准模式最接近输入。
在Hamming网络中，输出层神经元通过互相竞争以确定胜者。胜者将指出哪一种原型模式最能代表输入模式。这种竞争是通过在输出层神经元之间一组负连接（即逆向抑制）来实现的。
Hamming 网络由两层组成，第一层为前馈层，将输入向量与原型向量联系起来，权重矩 阵𝑊1的每一行为识别的原型向量，偏移值𝑏 1为输入向量元素个数；第二层为递归层，采用 胜者全胜方式决定哪种原型向量最接近输入向量，每次迭代每个神经元的输出都会随着所以 其他神经元输出的和按比例下降（最小的输出为 0）。
Hamming网络图如下所示：

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。其功能是判定输入向量最接近于哪个标准向量。