湘潭大学人工智能课件机器学习.pptVIP

式中，n是网络中的神经元个数，wij是神经元i和神经元j之间的连接权值，且有wij=wji； vi和vj分别是神经元i和神经元j的输出；θi是神经元i的阈值。 可以证明，对Hopfield网络，无论其神经元的状态由“0”变为“1”，还是由“1”变为“0”，始终有其网络能量的变化： ΔE0 Hopfield的能量函数 能量函数定义及性质 能量函数用于描述Hopfield网络的稳定性。其定义为： 对网络能量变化的这一结论，我们可以从网络能量的构成形式进行分析。 如果假设某一时刻网络中仅有神经元k的输出发生了变化，而其它神经元的输出没有变化，则可把上述能量函数分作三部分来讨论。其中，第一部分是i=1,…,k-1；第二部分是i=k；第三部分是i=k+1,…,n。 即网络能量函数可写成如下形式： Hopfield的能量函数 能量函数定义及性质(2/7) 在这种形式中，可以引起网络能量变化的仅有公式中的如下部分： i=1,…,k-1 ，j≠k，这部分能量与k的输出无关 i=1,…,k-1 ，j=k，这部分能量与k的输出有关 i=k ，j≠k，这部分能量与k的输出有关 i=k+1,…,n ，j≠k，这部分能量与k的输出无关 i=k+1,…,n ，j≠k，这部分能量与k的输出有关 Hopfield的能量函数 能量函数定义及性