ch8hopfield.pptVIP

例：TSP问题 例： 图1（原始） 图2 图3 图4 1）至少使用4*4个神经元 2）该Hopfield网一定满足“4”图形对应的输出一定是一个稳定点 3）为使“4”这个图形能够成为一个稳定点，因设计合适的W值使网络在该输出状态下其能量达到最小。 网络的稳定状态（吸引子）的分布，是由网络的权值（包括阈值）决定的，设计吸引子的核心就是如何设计一组合适的权值。 为使所设计的权值满足要求，权值矩阵应符合以下要求： （1）为保证异步方式工作时网络收敛，W应为对称阵； （2）为保证同步方式工作时网络收敛，W应为非负定对称阵； （3）保证给定的样本是网络的吸引子，并且要有一定的吸引域。 根据应用所要求的吸引子数量，可以采用以下不同方法： 1）联立方程法 2）外积和法（吸引子较多时） 在神经网络工具箱中有关采用Hebb公式求解网络权矩阵变化的函数为learnh.m和learnhd.m，后者为带有衰减学习速率的函数： dW＝1earnh(P，A，lr)； 或 dW＝learnhd(W，P，A，lr，dr)； 对于简单的情况，lr可以选择1；对于复杂的应用，可取lr＝0.1~0.5，dr＝lr／3。 网络的平衡稳定点并不可以任意设置的，也没有一个通用的方式来事先知道平衡稳定点。 所以真正想利用好霍普菲尔德网络并不是一件容易的事情。 能量函数 DHNN神经网络的计算能量函数定义为： 教材P106