人工神经网络及其应用5讲Hopfield网络.ppt

该【人工神经网络及其应用5讲Hopfield网络 】是由【小可爱】上传分享，文档一共【59】页，该文档可以免费在线阅读，需要了解更多关于【人工神经网络及其应用5讲Hopfield网络 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。人工神经网络及其应用5讲Hopfield网络hatissteppingintotheworld一、反馈网络二、Hopfield网络简介三、DHNN网络四、稳定性与应用五、内容小结内容安排2反馈网络如何通过网络神经元状态的变迁而最终稳定于平衡状态,、(work),又称自联想记忆网络其目的是为了设计一个网络,储存一组平衡点,使得当给网络一组初始值时,网络通过自行运行而最终收敛到这个设计的平衡点上。反馈网络能表现出非线性动力学系统动态特性网络系统具有若干个稳定状态。当网络从某一初始状态开始运动,网络系统总可以收敛到某一个稳定的平衡状态;(·)是一个二值型的硬函数,即ai=sgn(ni),i=l,2,…r,则称此网络为离散型反馈网络;如果f(·)为一个连续单调上升的有界函数,=[n1,n2,…,nr],网络的输出矢量为A=[a1,a2…,as]T在一个r维状态空间上,可以用一条轨迹来描述状态变化情况从初始值N(t0)出发,N(t0+Δt)→N(t0+2Δt)→…→N(t0+mΔt),这些在空间上的点组成的确定轨迹,是演化过程中所有可能状态的集合,:对于不同的连接权值wij和输入Pj(i,j=1,2,…r),,则从初始状态朝此稳定点移动的过程即为寻找该记忆的过程状态的初始值可以认为是给定的有关该记忆的部分信息,状态N(t)移动的过程,是从部分信息去寻找全部信息,这就是联想记忆的过程将系统的稳定点考虑为一个能量函数的极小点。在状态空间中,从初始状态N(t0)=N(t0+t),最后到达N*。若N*为稳定点,则可以看作是N*把N(t0)吸引了过去,在N(t0)时能量比较大,而吸引到N*时能量已为极小了15