The Capacity of the Hopfield Neural Network and A Practical Way To Increase its Memory.

ظرفیت (حجم حافظه) مدل عصبی هاپفیلد ، بعنوان پارامترهای مهم در بهره برداری از این شبکه ، بررسی شده است .
در این مقاله ، باند بالای ظرفیت شبکه هاپفیلد با روشی نو ، از طریق مدل سازی آن با کانال شانون محاسبه می شود . به منظور دستیابی به حداکثر زمان ممکن الگریتم یادگیری شبکه بررسی می شود و به اثبات می رسد که ظرفیت شبکه در عمل محدود به ماکزیمم تعداد الگوهای آموزشی دو به دو متعامد است . سپس ضمن اثبات چند قضیه در خصوص کدهای متعامد ، حجم حافظه عملی شبکه را در حالت ورودی خش دار و بی خش ، با فرض کدگذاری مناسب روی الگوهای آموزشی ، بررسی کرده ، سر انجام با استفاده از شبیه سازی مدل هاپفیلد نتایج محاسبات نظری و میزان افزایش حجم حافظ را ارزیابی می کنیم .