4神经网络理论基础概述.ppt

离散型Hopfield神经网络 Hopfield神经网络 可见：当网络的异步调整次序一定时，最终稳定于哪个吸引子与其初态有关；而对于确定的初态，网络最终稳定于哪个吸引子与其异步调整次序有关。 Hopfield神经网络 离散型Hopfield神经网络 DHNN的权值设计 ⑴ 为保证异步方式工作时网络收敛，W应为对称阵； ⑵ 为保证同步方式工作时网络收敛，W应为非负定对称阵； ⑶ 保证给定样本是网络的吸引子，并且要有一定的吸引域。 为了使所设计的权值满足要求，权值矩阵应符合以下要求 Hopfield神经网络 离散型Hopfield神经网络 DHNN的权值设计 外积和法 DHNN网络的连接权值不是通过学习或训练获得的，而是基于能量函数并根据Hebb规则设计确定的。 假设有m个样本向量X1、X2、…、Xm要存入Hopfield神经网络中，则第i个神经元与第j个神经元之间相连的权值wij为： 矩阵形式为： Hopfield神经网络 离散型Hopfield神经网络 DHNN的权值设计 外积和法 显然，上面所设计的连接权矩阵满足对称性的要求。下面进一步分析所给样本是否为网络的吸引子，这一点是十分重要的。下面以x∈ -1，1 n 的情况为例进行分析。 1）若m个样本x k k＝1，2，…，m 是两两正交的，即 若n-m 0， 即x k 是网络的吸引子。 2）若m个样本x k