[论文解读] Recalling of Images using Hopfield Neural Network Model

C. Ramya, G. Kavitha+1 more|arXiv (Cornell University)|May 2, 2011

Neural Networks and Applications参考文献 3被引用 9

一句话总结

本文提出一种用于自联想记忆的霍普菲尔德神经网络模型，以存储和回忆图像，其权重矩阵基于训练样本生成。给定一个受损或不完整的图像，网络会根据汉明距离收敛至最近存储的图像，模拟结果表明其具有强大的回忆能力。

ABSTRACT

In the present paper, an effort has been made for storing and recalling images with Hopfield Neural Network Model of auto-associative memory. Images are stored by calculating a corresponding weight matrix. Thereafter, starting from an arbitrary configuration, the memory will settle on exactly that stored image, which is nearest to the starting configuration in terms of Hamming distance. Thus given an incomplete or corrupted version of a stored image, the network is able to recall the corresponding original image. The storing of the objects has been performed according to the Hopfield algorithm explained below. Once the net has completely learnt this set of input patterns, a set of testing patterns containing degraded images will be given to the net. Then the Hopfield net will tend to recall the closest matching pattern for the given degraded image. The simulated results show that Hopfield model is the best for storing and recalling images.

研究动机与目标

• 探讨利用霍普菲尔德神经网络在自联想记忆系统中存储和回忆图像的可行性。
• 评估网络从退化或不完整输入中恢复原始图像的能力。
• 在一组图像样本上实现并测试霍普菲尔德学习算法，以实现稳健的记忆检索。
• 分析网络在接收噪声或部分图像输入时的收敛行为。
• 验证霍普菲尔德模型在不同输入退化水平下重建存储图像的有效性。

提出的方法

• 图像被编码为二值向量，并通过霍普菲尔德学习规则计算权重矩阵。
• 权重矩阵通过输入向量的外积推导得出，确保训练样本的稳定存储。
• 网络动态由能量函数控制，驱动系统向对应于存储样本的局部最小值收敛。
• 初始状态设定为存储图像的受损或不完整版本，网络通过迭代更新神经元状态以最小化能量。
• 当不再发生状态变化时即认为收敛，表示已检索到最接近的存储图像。
• 通过初始状态与最终状态之间的汉明距离衡量相似性，并评估回忆准确性。

实验结果

研究问题

• RQ1 霍普菲尔德神经网络能否可靠地从受损或不完整的版本中回忆出完整图像？
• RQ2 网络性能如何随输入图像中噪声或退化程度的变化而变化？
• RQ3 初始状态与最终检索图像之间的汉明距离有何关系？
• RQ4 网络是否始终收敛至权重空间中最近的存储模式？
• RQ5 在不同输入条件下，霍普菲尔德模型在回忆过程中在多大程度上保持了图像保真度？

主要发现

• 霍普菲尔德网络通过基于汉明距离收敛至最近存储模式，成功从受损输入中回忆出原始图像。
• 即使输入图像显著退化，网络仍表现出稳定的收敛特性。
• 回忆准确性较高，当初始状态位于吸引盆范围内时，系统能一致地检索出目标存储图像。
• 能量函数有效引导网络向对应于存储模式的局部最小值收敛。
• 模拟结果证实，霍普菲尔德模型在自联想记忆框架下的图像回忆任务中具有有效性。
• 该方法在多种不同退化水平的测试案例中均表现出鲁棒性。