霍普菲尔德(Hopfield)资料.ppt

霍普菲尔德（Hopfield）神经网络 1、网络结构形式 2、非线性系统状态演变的形式 3、离散型的霍普菲尔德网络（DHNN） 4、连续性的霍普菲尔德网络（CHNN） 网络结构形式 Hopfield网络是单层对称全反馈网络，根据激活函数选取的不同，可分为离散型和连续性两种 （ DHNN,CHNN）。 DHNN：作用函数为hadlim，主要用于联想记忆。 CHNN：作用函数为S型函数，主要用于优化计算。 反馈网络的结构如图2.8.1所示。 Hopfield网络结构 图2.8.1 非线性系统状态演变的形式 在Hopfield网络中，由于反馈的存在，其加权 输入和ui，i=1~n为网络状态，网络的输出为y1~yn， 则u,y的变化过程为一个非线性动力学系统。可用非线性差（微）分方程来描述。一般有如下的几种状态演变形式： （1）渐进稳定 （2）极限环 （3）混沌现象 （4）状态轨迹发散 Hopfield网络的稳定性可用能量函数进行分析。 目前，人工神经网络常利用渐进稳定点来解决 某些问题。例如，如果把系统的稳定点视为一个 记忆的话，那么从初态朝这个稳定点的演变过程 就是寻找记忆的过程