神经网络原理与应用详解.ppt

Hopfield网络及其应用举例（3） Hopfield网络的稳定性是由能量函数来描述的，即对网络的每个状态发生变化时，能量函数E随网络状态变化而严格单调递减，这样Hopfield模型的稳定与能量函数E在状态空间的局部极小点将一一对应。 Hopfield网络作为记忆的学习时，稳定状态是给定的，通过网络的学习求适合的权矩阵W（对称阵），学习完成后以计算的方式进行联想。 * Hopfield网络及其应用举例（4） 问题描述： 设计一个Hopfield网络，使其具有联想记忆功能，能正确识别阿拉伯数字，当数字被噪声污染后仍可以正确地识别。 程序流程： 先设计好标准的数字点阵（本文采用10*10矩阵表示），根据这些标准的数字点阵创建并训练网络，使网络达到稳定状态，用带噪声的数字测试训练的网络。 * Hopfield网络及其应用举例（5） 流程图如下： * 设计数字点阵 （0-9） 创建Hopfield网络 产生带噪声的 数字点阵 数字识别测试 结果分析 神经网络重要结论（1） 传统人工智能系统中所用的方法是知识的显式表示，而神经网络中的知识表示是一种隐式的表示方法。 基于神经网络的知识推理实质上是在一个已经训练成熟的网络基础上对未知样本进行反应或者判断。 在网络推理中不会出现传统人工智能系统中推理的冲突问题；网络推理只与输入及网络自身的参数有关，而这些参数又是通过使用学习算法对网络进行