神经网络控制3其他网络（论文资料）.ppt

神经网络原理与应用 回归神经网络(recurrent neural networks) 回归网络是一种人们越来越感兴趣的网络。 回归网络中包含一定的动态环节作为信息存储，在系统建模时可以充分利用这一特性，减小网络的规模。 回归网络包括Elman网络和Hopfield网络，其中Elman网络是一种两层的前馈网络 霍普菲尔德（Hopfield）神经网络 1、网络结构形式 2、非线性系统状态演变的形式 3、离散型的霍普菲尔德网络（DHNN） 4、连续性的霍普菲尔德网络（CHNN） 网络结构形式 Hopfield网络是单层对称全反馈网络，根据激活函数选取的不同，可分为离散型和连续型两种（ DHNN,CHNN）。 DHNN：作用函数为hadlim，主要用于联想记忆。 CHNN：作用函数为S型函数，主要用于优化计算。 离散型的 Hopfield神经网络 1、I/O关系 2、两种工作方式 3、网络的稳定性分析 4、DHNN网络设计 网络结构及I/O关系 图2.8.2是一个有三个节点的DHNN结构。 对于以符号函数为激活 函数的网络，网络的方程可 写为： 图2.8.2 两种工作方式 DHNN主要有以下两种工作方式