Estructura de la Red de Hopfield

Debido a la arquitectura y al funcionamiento, la red de Hopfield se puede incluir dentro de las redes de neuronas recurrentes, pues cada neurona está conectada con todas las demás y además se produce un procesamiento temporal de los patrones. Lo que diferencia a esta red de las demás redes recurrentes es que actúa a la manera de una memoria asociativa.

El concepto de memoria asociativa es bastante intuitivo: se trata simplemente de asociar dos patrones. Dentro de este concepto definiremos diferentes

Tipos de memorias asociativas:

Memoria heteroasociativa

Memoria Asociativa Interpoladora

Memoria Auto asociativa

Hemos realizado las anteriores definiciones para centrarnos ahora en el modelo de Hopfield. Primero diremos que la estructura de red neuronal que propone viene a ser una memoria autoasociativa de una sola capa, totalmente conectada y recurrente. La red de Hopfield está formada por n neuronas, cada una conectada a todas las demás salvo a ella misma. La matriz de pesos de la red de Hopfield es una matriz W = (wij ) de orden n × n, donde wij representa el peso de la conexión de la neurona i a la neurona j. Dicha matriz posee las siguientes particularidades:

Aprendizaje y funcionamiento de la red Hopfield:

La operación de la red de Hopfield es totalmente diferente al sistema del perceptor. En el modelo de Hopfield, la primera salida es tomada como entrada en el ciclo siguiente, produciendo una nueva salida. Por tanto el aprendizaje es también diferente; en este sistema no se trata de ajustar pesos, ya que ´estos se mantienen constantes desde el principio, si no de encontrar dichos pesos en función del problema. De tal manera que el conjunto total del sistema.