tam5917 https://blog.hatena.ne.jp/tam5917/ 備忘録 https://tam5917.hatenablog.com/ ホップフィールドネットワーク python はじめに 先日公開した記事では、記憶容量改善の一つのアプローチとして、ロジスティック回帰の枠組みを導入した。そこでは、記憶パタンを {0, 1} の目標値に対応させ、各ニューロンが他のニューロンの状態から自身の状態（0 or 1）を予測する確率をモデル化し、対数尤度を最大化（交差エントロピー損失を最小化）するように学習を行った。 本記事では、別の教師あり学習の枠組みであるリッジ回帰（Ridge Regression）を用いて、Hopfieldモデルの学習を行うアプローチを検討する。ロジスティック回帰が分類問題（確率予測）に適しているのに対して、リッジ回帰は回帰問題（連続値予測）に用いられる。こ… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftam5917.hatenablog.com%2Fentry%2F2025%2F04%2F22%2F223339" title="ホップフィールドネットワークの記憶容量を改善する試み：リッジ回帰に基づく学習アルゴリズム - 備忘録" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2025-04-22 22:33:39 rich https://tam5917.hatenablog.com/entry/2025/04/22/223339 1.0 100%