第3章神经网络控制续-2010-2011-2012.docVIP

《智能控制》讲义 郭兴旺 北航机械学院 2007-2012 (上接ppt,“离散Hopfield网络”) 3. 连接权的设计 为保证H网收敛，要求W有如下特点： 保证异步工作方式收敛时，W应对称。（一般只保证此条件） 保证同步工作方式收敛时，W应非负定对称。（b比a要求高） 另外，对给定样本的要求是：“样本必须是网络的吸引子，而且要有一定的吸引域”，这样才能实现联想记忆功能。 为实现上述功能，通常采用Hebb规则设计连接权。 Hebb学习规则：调整的原则为，若第i和第j个神经元同时处于兴奋（或同时抑制）状态，则它们之间的连接权应加强，即 。 这一规则与条件反射学说一致，并已得到神经细胞学说的证实。 设给定m个样本,并设(元素取值为-1或1的n维向量)，则 或 （权的调整规则） 写成矩阵形式为 当网络结点状态为1和0两种状态即时，求权的算式需作修改（见孙P144,以，，相当于作[0，1]到[-1，1]的映射）。 以上设计的W满足对称性的要求。下面分析所给样本是否为网络的吸引子。 （1）若m个样本两两正交，即 则有 只要满足n-m0，便有 （对符号函数，） 即是网络的吸引子。 （n—结点数,足够多，m—样本（吸引子）数，有限。对4个结点的网络，样本（吸引子）数最多为3）。 （2）若m个样本不是两两正交，且设向量之