神经网络讲义-part5-Hopfield网络.pptVIP

* 3.1 状态更新 由-1变为1；由1变为-1；状态保持不变 串行异步方式 任意时刻随机地或确定性地选择网络中的一个神经元进行状态更新，而其余神经元的状态保持不变 并行同步方式 任意时刻网络中部分神经元(比如同一层的神经元)的状态同时更新。如果任意时刻网络中全部神经元同时进行状态更新，那么称之为全并行同步方式 * 3.1 状态更新 串行异步方式 任一时刻，网络中只有一个神经元被选择进行状态更新或保持，所以异步状态更新的网络从某一初态开始需经过多次更新状态后才可以达到某种稳态。 实现上容易，每个神经元有自己的状态更新时刻，不需要同步机制； 异步状态更新更接近实际的生物神经系统的表现 并行同步方式 * 3.2 网络学习 联想记忆 联想记忆功能是DHNN的一个重要应用范围。 DHNN用于联想记忆有两个突出的特点，即记忆是分布式的，而联想是动态的 反馈网络实现联想记忆必须具备的两个基本条件 网络能收敛到稳定的平衡状态，并以其作为样本的记忆信息； 具有回忆能力，能够从某一残缺的信息回忆起所属的完整的记忆信息 学习目的 具有q个不同的输入样本组Pr×q＝[P1, P2 …Pq] 通过学习方式调节计算有限的权值矩阵W 以每一组输入样本Pk，k=1，2，…，q 作为系统的初始值 经过网络工作运行后，系统能收敛到各自输入样本矢量本身 * 3.2 网络学习 DHNN中运用海布调节规则 海布法则