Hopfield神经元网络.doc

Hopfield 神经网络课题研究报告 朱张帆　　吴俊杰 按照信息的流向来分，神经元网络可分为前馈和反馈网络，从计算观点上看前馈网络大部分是学习网络而不具有动力学行为。反馈网络通过网络神经元状态的变迁而最终稳定于某一状态，从而得到联想存储或者神经计算的结果，具有动力学特性。 Hopfield网络是一种典型的单层反馈网络，这种网络可以分为离散型和连续型两种，Hopfield网络是一个动力学系统，在确定连接权重后，若输入某个向量之后，网络将不断演化，一般情况下系统将趋向某一个定态，称为状态空间的不动点吸引子。下面是对Hopfield神经网络的学习归纳及研究： 一、离散型Hopfield神经网络 1、网络的拓扑结构 (1)这种网络是一种单层网络，由n个单元组成。 (2)每个神经元既是输入单元，又是输出单元；各节点一般选用相同的转移函数，且为符号函数，即： (3) 为网络的输入； 为网络的输出； 为网络在时刻t 的状态，其中t∈{0，1，···} 为离散时间变量。 (4