第三章反馈神经网络1.pptVIP

第三讲 反馈神经网络 本章知识结构 概述 离散Hopfield网络 连续Hopfield网络 连续Hopfield网络的应用——优化计算 2.2.3 HNN的联想记忆 如果把系统的稳定点视做一个记忆的话，那么从初始状态朝这个稳定点移动的过程就是寻找该记忆的过程。 例1：计算如图3.5所示3节点DHNN的状态转移关系。考虑到DHNN的权值特性wij＝wji，可简化为图3.6右边的等价图。 2.2.4 记忆容量问题 2.2.4 记忆容量问题 3.2.2 DHNN的动力学稳定性 类似于研究动力学系统稳定性的Lyapunov稳定性理论,上述DHNN的稳定性可由分析上述定义的Lyapunov函数E的变化规律而揭示. 因此,由神经元j的状态变化量?yj(t)所引起的的能量变化量?Ej为: 若所讨论的HNN是对称网络,即有wi,j=wj,i,i,j=1,2,...,n,则有 则 yj(t+1)=f[uj(t)-?j] 式(3)则可记为: ?Ej(t)=[-uj(t)+?j]?yj(t) (3A) 下面分别对 串行异步方式和 并行同步方式, 证明对称二值型HNN是稳定的. 3.2.2 DHNN的动力学稳定性 如果,令 A.串行异步方式 对串行异步和对称权值型的HNN,基于式(3A) ?Ej(t)=[-uj(t)+?j]?yj(t)