神经网络第5章 Hopfield神经网络.pptVIP

第5章 Hopfield神经网络 5.0 前言 5.1 神经动力学 5.2 离散Hopfield神经网络 5.3 连续Hopfield神经网络 5.4最优化计算 5.5 仿真实例 5.0 前言 对于所介绍的前向网络， 从学习的观点来看，它是一个强有力的学习系统，系统结构简单、易于编程； 从系统的观点来看，它是一个静态非线性映射，通过简单非线性处理单元的复合映射可获得复杂系统的非线性处理能力； 从计算的观点来看，它并不是一强有力系统，缺乏丰富的动力学行为。 反馈神经网络是一个反馈动力学系统，具有更强的计算能力。1982年J. Hopfield提出的单层全互连含有对称突触连接的反馈网络是最典型的反馈网络模型。Hopfield 用能量函数的思想形成了一种新的计算方法，阐明了神经网络与动力学的关系，并用非线性动力学的方法来研究这种神经网络的特性，建立了神经网络稳定性判据，并指出信息存储在网络中神经元之间的连接上，形成了所谓的离散Hopfield网络。 1984年，Hopfield设计与研制了Hopfield网络模型的电路，指出神经元可以用运算放大器来实现，所有神经元的连接可用电子线路来模拟，称之为连续Hopfield网络。 连续Hopfield网络成功的解决了旅行商（Traveling Salesman Problem，TSP）计算难题（优化问题）。 Hopfield网络是神经网