华南理工大学最优化理论——第十一章Hopfield神经网络优化方法精读.pptVIP

Hopfield神经网络优化方法 * Hebb学习规则 给定M个待存储模式，按Hebb学习规则，Hopfield网络有如下学习过程： （10-11） 按上述规则求出权矩阵后，可以认为网络已经将这M个模式存入网络的连接权中。 在联想过程中，与求解优化问题一样，先给出一个原始模式m0，使网络处于某种初始状态下，用网络方程动态运行，最后达到一个稳定状态。如果此稳定状态对应于网络已存贮的M个模式中的某个模式mk，则称模式mk是由模式m0联想起来的 。 Hopfield神经网络优化方法 * 联想记忆 例10-2 对于一个4神经元的网络，取阈值为0。给定两个模式存储于网络中。试确定网络的权值矩阵W。 m1= m0= Hopfield神经网络优化方法 * 联想记忆 解： 可据式（10-11）构造出权值矩阵W如下： 给出用于联想的原始模式： ma= 则得到稳定状态v= 而这个稳定状态正好是网络已记忆的模式m1，由此可以认为m1是由模式ma联想起来的。 Hopfield神经网络优化方法 * 联想记忆 例10-3 给出下面三个存储模式，试确定网络的权值矩阵W，并讨论其联想记忆特点。 解：根据式（10-11）构造出权值矩阵W： Hopfield神经网络优化方法 * 对于本例，给出模式m3，但网络运行稳定在m2，而非其自身模式m3。 Hopfiel