神经网络设计学习笔记（10）——有监督的Hebb学习（4）

自联想存储器
现在将Hebb规则应用用于一个大大简化了实际模式识别问题。在这里 期望输出量等于网络的输入向量。这里将用自联想存储器存储一组模式，并且当其输入模式有所“破损”时，他仍然能够将其复原。
这里要存储的模式如下图，这里要把这些数字转换为向量表示形式，分别作为网络的原型模式。如果白色格子用-1表示，黑色用1表示，那么扫描栅格中的一列就可以生成这些输入向量。

向量P1,P2.P3分别与数字0.1.2相对应，使用Hebb规则求矩阵：

这里用到如图所示的线性传输函数。

这里进行测试，测试的结果：如果仅是将原新模式去掉二分之一，网络可以生成正确的模式，去掉更多则不可以。加入噪声，也是可以被恢复。如图



条件允许，用电脑亲测后 对本文章的图片进行修改。
参考文献
[1] Hagan M , Hagan, 戴葵. 神经网络设计[M]. 机械工业出版社, 2002.