神经网络实验五剖析.pptVIP

神经网络实验课件 实验五、Hopfield网络的构建 一、Hopfield网络模型结构 在matlab神经网络工具箱中，Hopfield网络为单层网络模型，其网络模型如下图： 一、Hopfield网络模型结构 输入p为Hopfield网络的初始条件，其隐层神经元为饱和线性传递函数satlin()，如图所示： 一、Hopfield网络模型结构 从图中可以看出，当输入小于0时，输出为0；当输入在0和1之间时，输入与输出相等；当输入大于1时，输出为1。 一、Hopfield网络模型结构 Hopfield网络隐层神经元的另一传递函数为饱和线性传递函数satlins()，如图所示： 一、Hopfield网络模型结构 从图中可以看出，当输入小于-1时，输出为-1；当输入在-1和1之间时，输入与输出相等；当输入大于1时，输出为1。 一、Hopfield网络模型结构 【例1】线性饱和传递函数值 p=[-2 -1 -0.5 0 0.5 1 2]; a=satlin(p) a = 0 0 0 0 0.50 1.00 1.00 b=satlins(p) b = -1.00 -1.00 -0.50 0 0.50 1.00 1.00 二、Hopfield网络的设计 Newhop()是设计Hopfield网络的一种方法。给出一系列平衡期望矩阵T，newhop()的输出为反馈网络的权值和阀值，之前需要保证对应期望值向量具有稳定的平衡点，但是通常会存在一些伪平衡点，本设计方法是使伪平衡点越少越好。 网络设计完成后，可通过输入新的输入向量进行检测。 二、Hopfield网络的设计 语法 net = newhop 以对话框形式建立一个新的网络； net = newhop(T) 返回由矩阵T的列向量指定平衡点的 Hopfield 网络。 描述 Hopfield网络用于模式联想. 二、Hopfield网络的设计 网络仿真函数SIM Y = sim(net,P,[ ],T) 输入参数说明 NET - 建立的网络. P - 网络输入向量的个数. T - 网络目标平衡向量, 默认为0. 输出参数说明 Y - 网络输出. 二、Hopfield网络的设计 网络仿真函数SIM的输入参数亦可以细胞数数组的形式给出，这对于多输入输出的及序列数据输入的神经网络会带来许多方便： Y = sim(net,P,[ ],T) 输入参数说明 P—Ni×TS 细胞数组，其每个元素 P{i,ts} 是一个Ri×Q矩阵. T—Nt×TS细胞数组，其每个元素 P{i,ts}是一个Vi×Q矩阵. 二、Hopfield网络的设计 其中: Ni = net.numInputs TS = number of time steps Q = batch size Ri = net.inputs{i}.size 二、Hopfield网络的设计 【例2】设计一个在三维空间中存在两个平衡点的网络，期望值向量T=[-1 -1 1；1 -1 1]’ T=[-1 -1 1;1 -1 1]; net=newhop(T); Ai = T; Y= sim(net,2,[],Ai) Y = -1 1 -1 -1 1 1 二、Hopfield网络的设计 由仿真实验可以看出，网络设计确实能够做到设计点稳定。 下面输入不同于设计点的其它初始值再来验证网络和性能：考虑点 Ai = [-0.9; -0.8; 0.7] 这个点很接近第一个设计点，那么网络输出应收敛到期第一个设计点。 二、Hopfield网络的设计 Ai = [-0.9; -0.8; 0.7] Ai = -0.9000 -0.8000 0.7000 Y = sim(net,1,{},Ai) Y = -1 -1 1 三、二神经元的Hopfield网络的设计 【例3】设计一个二神经元的Hopfield网络并进行仿真验证，它具有两个稳定平衡点。 1、问题提出 要求设计一个Hopfield网络，它具有如下两个目标向量T：T=[1 -1；-1 1] 在二维平面上绘出这两个稳定平衡点（原则上所设计的Hopfield网络的所有可能的状态都应包含在图示所在区间内，所以称Hopfield网络状