হপফিল্ড নেটওয়ার্কগুলি একটি ভেক্টর সঞ্চয় করতে এবং এর শোরগোলের সংস্করণ থেকে শুরু করে এটি পুনরুদ্ধার করতে সক্ষম হয়। যখন সমস্ত নিউরন ভেক্টর মানের সমান হয়ে থাকে তখন শক্তি কার্যকারিতা হ্রাস করার জন্য তারা ওজন নির্ধারণ করে এবং এর শোরগোল সংস্করণটিকে ইনপুট হিসাবে ব্যবহার করে এবং নেটকে ন্যূনতমতম স্থানে স্থির করতে দেয় ভেক্টরটি পুনরুদ্ধার করে।
সমস্যাগুলি এড়ানো যে কোনও জাল নেই যে জালটি নিকটতম সর্বনিম্ন ইত্যাদিতে স্থায়ী হবে - সমস্যাগুলি শেষ পর্যন্ত বোল্টজম্যান মেশিনগুলির সাথে সমাধান করা হয়েছে এবং অবশেষে পিছনে প্রচার সহ - ব্রেকথ্রুটি হ'ল তারা বিমূর্ত উপস্থাপনের জন্য একটি প্রাথমিক বিন্দু ছিল। একই দস্তাবেজের দুটি সংস্করণ একই অবস্থাটিকে স্মরণ করবে, তাদের নেটওয়ার্কে একই রাষ্ট্র দ্বারা উপস্থাপন করা হবে।
হপফিল্ড নিজেই 1982-র গবেষণাপত্রে নিউরাল নেটওয়ার্ক এবং উদীয়মান সম্মিলিত গণনার দক্ষতা সহ শারীরিক ব্যবস্থায় লিখেছিলেন
বর্তমান মডেলিং এর সাথে সম্পর্কিত হতে পারে কীভাবে কোনও সত্তা বা জেস্টাল্টকে তার বৈশিষ্ট্যগুলির সংকলন উপস্থাপনের উপকরণগুলির ভিত্তিতে কীভাবে স্মরণ করা বা শ্রেণিবদ্ধ করা হয়।
অন্যদিকে গভীর শিক্ষার যুগান্তকারীতা ছিল ইনপুটটির একাধিক, শ্রেণিবিন্যাসের উপস্থাপনা তৈরির দক্ষতা, যা শেষ পর্যন্ত এআই-অনুশীলনকারীদের জীবনকে সহজতর করে তোলে, বৈশিষ্ট্য ইঞ্জিনিয়ারিংকে সহজ করে তোলে। (উদাহরণস্বরূপ প্রতিনিধিত্ব শিক্ষা: একটি পর্যালোচনা এবং নতুন দৃষ্টিভঙ্গি , বেনজিও, করভিল, ভিনসেন্ট দেখুন)।
ধারণাগত দৃষ্টিকোণ থেকে, আমি বিশ্বাস করি যে কেউ হপফিল্ড জালকে সাধারণীকরণ হিসাবে গভীর শিক্ষাকে দেখতে পাবে: একটি একক প্রতিনিধিত্ব থেকে প্রতিনিধিত্বের শ্রেণিবিন্যাস পর্যন্ত।
এটি একটি গণনামূলক / টপোলজিকাল দৃষ্টিকোণ থেকেও সত্য? হপফিল্ড নেটওয়ার্কগুলি কীভাবে "সরল" ছিল তা বিবেচনা না করে (2-রাষ্ট্রীয় নিউরন, পুনঃনির্দেশিত, শক্তি ফাংশন), একজন হ্যাপফিল্ড নেটওয়ার্ক হিসাবে একটি নেটওয়ার্কের প্রতিটি স্তর এবং পুরো প্রক্রিয়াটিকে পূর্বে মুখস্থ জেস্টাল্টের ক্রমিক নিষ্কাশন এবং এর পুনর্গঠন হিসাবে দেখতে পাবে এই জেস্টাল্ট?