Алгоритмы разобучения (забывания)
Возможность забывания ненужной, лишней информации является одним из замечательных свойств биологической памяти. Идея приложения этого свойства к искусственной нейросети Хопфилда
"удивительно" проста: при запоминании образов обучающей выборки вместе с ними запоминаются и ложные образы. Их-то и следует "забыть".
Соответствующие алгоритмы получили название алгоритмов разобучения. Суть их сводится к следующему.
На первой фазе происходит обучение сети по стандартному правилу Хебба. Память наполняется истинными образами и множеством ложной информации. На следующей фазе (фазе разобучения) сети предъявляется некоторый (случайный) образ
![](../../../../img/tex/3/5/5/355f6e1182db0744d81d83c7d175f64a.png)
![](../../../../img/tex/3/5/5/355f6e1182db0744d81d83c7d175f64a.png)
![](../../../../img/tex/0/d/b/0db3b01e79df627a25700a639ef4d49f.png)
![](../../../../img/tex/7/f/7/7f78d158024180ea9aa1baf6765242ca.png)
В качестве степени забывания
![](../../../../img/tex/b/a/7/ba7a6d2b4e41fa8ab810b70a43d6652a.png)
![](../../../../img/tex/0/d/b/0db3b01e79df627a25700a639ef4d49f.png)
Данная процедура пока не имеет формального теоретического обоснования, однако на практике приводит к более регулярной энергетической поверхности нейронной сети и к увеличению объема бассейнов притяжения полезных образов.