競爭網路 Hamming網路

競爭網路屬於一種回饋型網路，它們是以無指導學習演算法為基礎。在競爭學習中，神經網路的輸出神經元互相競爭被啟用的機會，且一次只能啟用乙個神經元。

以hamming網路為代表的競爭網路有兩個主要的特性：

1、計算了已儲存的標準模式和輸入模式之間的距離。

2、通過競爭來決定哪個神經元所代表的標準模式最接近輸入。

在hamming網路中，輸出層神經元通過互相競爭以確定勝者。勝者將指出哪一種原型模式最能代表輸入模式。這種競爭是通過在輸出層神經元之間一組負連線（即逆向抑制）來實現的。

hamming 網路由兩層組成，第一層為前饋層，將輸入向量與原型向量聯絡起來，權重矩陣?1的每一行為識別的原型向量，偏移值? 1為輸入向量元素個數；第二層為遞迴層，採用勝者全勝方式決定哪種原型向量最接近輸入向量，每次迭代每個神經元的輸出都會隨著所以其他神經元輸出的和按比例下降（最小的輸出為 0）。

hamming網路圖如下所示：

hamming 網路是專門為求解二值模式識別問題而設計的（輸入向量的每個元素只能是兩個可能值中的乙個）。它同時採用了前饋網路和反饋網路，並且第一層的神經元數目和第二層神經元數目相同。其功能是判定輸入向量最接近於哪個標準向量。