第8章神经网络－Hopfield网络(论文资料).ppt

第8章 Hopfield反馈神经网络 霍普菲尔德网络是单层对称全反馈网络，根据其激活函数的选取不同，可分为离散型的霍普菲尔德网络(Discrete Hopfield Neural Network，简称DHNN)和连续型的霍普菲尔德网络(Continuous Hopfield Neural Network，简称CHNN)。 DHNN的激活函数为二值型的，其输入、输出为{0，1}的反馈网络，主要用于联想记忆。 CHNN的激活函数的输入与输出之间的关系为连续可微的单调上升函数，主要用于优化计算。 8.1 霍普菲尔德网络模型 在反馈网络中，如果其激活函数f(·)是一个二值型的硬函数，如图8.2所示，即ai＝sgn(ni)，i＝l, 2, … r，则称此网络为离散型反馈网络； 如果ai=f(ni)中的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。图8.3中所示为一个具有饱和线性激活函数，它满足连续单调上升的有界函数的条件，常作为连续型的激活函数。 8.2 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化情况。 从初始值N(t0)出发，