人工神经网络与其应用第5讲Hopfield网络.pptVIP

人工神经网络及其应用第5讲 Hopfield网络 何建华 电信系，华中科技大学 2003年3月3日 内容安排 一、反馈网络 二、Hopfield网络简介 三、DHNN网络 四、稳定性与应用 五、内容小结 要点 反馈网络如何通过网络神经元状态的变迁而最终稳定于平衡状态，得到联想存储或优化计算的结果 关心网络的稳定性问题 研究重点为怎样得到和利用稳定的反馈网络 一、反馈网络 1.1 反馈网络简介 反馈网络(Recurrent Network)，又称自联想记忆网络 其目的是为了设计一个网络，储存一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到这个设计的平衡点上。 反馈网络能表现出非线性动力学系统动态特性 网络系统具有若干个稳定状态。当网络从某一初始状态开始运动，网络系统总可以收敛到某一个稳定的平衡状态； 系统稳定的平衡状态可以通过设计网络的权值而被存储到网络中 1.1 反馈网络简介 反馈网络分类 如果激活函数f(·)是一个二值型的硬函数，即ai＝sgn(ni)，i＝l, 2, … r，则称此网络为离散型反馈网络； 如果f(·)为一个连续单调上升的有界函数，这类网络被称为连续型反馈网络 1.2 网络稳定性 状态轨迹 设状态矢量N=[n1, n2, …，nr]，网络的输出矢量为A＝[a1，a2…，as]T 在一个r维状态空间上，可以用一条轨迹来描述状态变