Hopfield networkでやれること
複数の画像をモデルに埋め込むことができる。
- モデルに画像を学習させる
- 学習済みモデルを使って、ノイズありの覚えさせた画像から、元々のノイズなしの画像を復元
例
1. モデルに複数枚の画像を学習させる
覚えさせる画像１：「lena.jpg」 ↓
2. 学習済みモデルを使って、ノイズありの覚えさせた画像から、元々のノイズなしの画像を復元
ノイズあり画像１（lena.jpgにノイズを加えた後）：「noise_lena.jpg」 ↓
ノイズあり画像１（noise_lena.jpg）から復元した画像：「restored_noise_woman.jpg」 ↓
Hopfield networkとは
ニューロン間に対照的な相互作用があるニューラルネットワークである。
例として、２ x ２ の画像を想定する。
各ピクセルがニューロンとなり、ニューロン間には自分以外のニューロンとの間に学習した重みwを設定する。
（※参考1）
学習モード(重みの設定)
想起モード（復元）
(例では、閾値θ=0でも想起できた。)
Hopfield network の学習から想起（復元）までのアルゴリズムは、(とりあえず)以上です。
めちゃくちゃシンプルです。
備考
「適当に長い時間」とは？
ここで、エネルギー関数 E を考える。
エネルギーのイメージ図です。 ↓
谷に落ちると、画像がうまく復元できる。（できない場合もある。 -> 局所解）
（※参考2）
ボルツマンマシン
Hopfield network は局所最適解に落ちやすい。
よって、この問題を改良したのがボルツマンマシン