[工学]人工神经网络课程nn07.pptVIP

马尽文 3.2 连续Hopfield网络(CHNN) 1.数学模型 连续Hopfield网络是由 个连续神经元相互连接构成的一个单层反馈型网络。神经元及其连接可通过电容、电阻电路来模拟实现。基本结构如下： 3.2 连续Hopfield网络(CHNN) 令 为第 个神经元的状态， 为其输出， 为外部输入， 则上述物理电路满足： 其中 是一个单调上升的可微函数。整理上述方程得到一般连续Hopfield网络模型： 3.2 连续Hopfield网络(CHNN) 采用向量、矩阵记号，则有： 网络的平稳状态为： 3.2 连续Hopfield网络(CHNN) 2.CHNN方程的解及其稳定性 (i).平衡点（不动点） 的分类 (1).Lyapunov稳定点（ ，从0时刻出发） 对于平衡点 ，若存在邻域 （以 为中心，半径为 的超球）使得 ， ，当初始状态 时，对于 ，有 ，则称 为Lyapunov稳定点。 (2).若Lyapunov稳定点 再满足 ，则称其为Lyapunov渐近稳定点。 3.2 连续Hopfield网络(CHNN) (3).非渐近的Lyapunov稳定点称为临界稳定点。 (4).若 ，对于 ， 使得 ，则称平衡点 为不稳定的平衡点。 3.2 连续Hopfield网络(CHNN) (ii).线性网络情况 令 ，即 ， 且 对于这种网络，平衡点为： 下面我们用线性微分方程的方法来判断平衡点的性质（特征值判别法）： 在给定初始状态 时，系统的解为： 3.2 连续Hopfield网络(CHNN) 我们可根据特征值 的不同情况判别出状态轨迹的稳定性质： (1).当 的实部小于零时， 是随时间指数下降的，最后达到一个稳定点。系统是稳定的。 (2).当 中存在异号实根，系统出现鞍点。 (3).当 中存在纯虚根，系统出现极限环。 3.2 连续Hopfield网络(CHNN) (4).当 的实部大于零时，系统发散。 (iii).非线性情况 考虑一般非线性方程所描述的网络系统，如CHNN，可通过下面方程给出： 因此，系统的平衡点为 的解。假设系统的平衡点为 ，那么有 考虑到 是平衡点，则 ，并忽略掉高阶无穷小项，系统在 附近的性质可用下面的线性系统来近似： 3.2 连续Hopfield网络(CHNN) 从 的特征值的性质可以判断系统的稳定性。 3. Lyapunov稳定性定理 采用上面拟线性方法讨论系统的稳定性，对于有些问题并不能得到完全正确的分析，更一般的是使用Lyapunov稳定性定理。考虑下列方程组： 3.2 连续Hopfield网络(CHNN) 在原点邻域内定义的可微函数 为方程的Lyapunov 函数，如果满足下列条件： (1). (2). 当 时， 的积分曲线的全导数满足： 则网络在平衡点 是稳定的。 例3.2 设非线性系统的微分方程如下： 3.2 连续Hopfield网络(CHNN) 在平衡点 的Jacobian矩阵： 可判断为平衡点0不稳定，出现极限环，但当选用Lyapunov函数： 可得到： 故系统在0点是稳定的。 3.2 连续Hopfield网络(CHNN) 例3.3 Lyapunov定理在CHNN上的应用。考虑CHNN的微分方程： 其中 。实际上，微分方程为 设 为网络的平衡点，这个平衡点不一定是原点，代入原方程得： 令 ，得到 3.2 连续Hopfield网络(CHNN) 这样便将微分方程转变为： 显然，我们将平衡点从 转变为 ，因此，可引入下面Lyapunov函数: 3.2 连续Hopfield网络(CHNN) 若 ，且等号仅在原点成立，那么网络在原点是Lyapunov稳定的。显然，当