第7章反馈网络讲义.pptVIP

人工神经网络及应用 主讲 何东健 反馈网络(Recurrent Network)，又称自联想记忆网络，其目的是：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。 1982年，美国加州工学院物理学家J.Hopfield提出了一种具有相互联接的反馈型人工神经网络模型，并引入 “能量函数”的概念，给出了网络的稳定性判据，并用来进行约束优化问题，如TSP问题的求解，实现A／D转换等。 他利用多元霍普菲尔德网 络的多吸引子及其吸引域，实现了信息的联想记忆(associahve memory)功能。另外霍普菲尔德网络与电子模拟线路之间存在着明显的对应关系，使得该网络易于理解且便于实现。而它所执行的运算在本质上不同于布尔代数运算，对新一代电子神经计算机具有很大的吸引力。 反馈网络表现出非线性动力学系统的动态特性。主要特性为以下两点： 第一、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； 第二，系统稳定的平衡状态可以通过设计网络的权值而被存储到网络中。 如果将反馈网络稳定的平衡状态作为一种记忆，那么当网络由任一初始状态向稳态的转化过程，实质上是一种寻找记忆的过程。网络所具有的稳定平衡点是实现联想记忆的基础。