神经网络学习.pptVIP

离散型Hopfield神经网络的结构模型 一般有wii=0，wij=wji y1 y2 yj yn θ1 θ2 θj θn w2j x1 x2 xj xn wj2 … … … … 2008-2009学年第1学期 神经网络学习 第三十页，共五十一页，2022年，8月28日 神经元的输出也称神经元的状态； 所有神经元的状态构成反馈网络的状态 Y； Y = (y1, y2, …, yn) 网络输入就是网络状态的初始值 Y(0)； Y(0)= (x1(0), x2(0), …, xn(0)) 由初始状态，网络开始演化。 yj(t+1) = f (netj) 这里，netj为神经元 j 的净输入， f (·)为神经元的特性函数（也称作用、传递或转移函数）。 y1 y2 yj yn θn x1 x2 xj xn … … … … 2008-2009学年第1学期 神经网络学习 第三十一页，共五十一页，2022年，8月28日 常见的特性函数 1 0 f u 1 0 f u 1 0 f u uk 阈值型 S状 (如sigmoid函数) 分段线性 (饱和线性) 2008-2009学年第1学期 神经网络学习 第三十二页，共五十一页，2022年，8月28日 对于DHNN，特性函数 f 可以是阈值型 也可以是分段线性型 净输入netj 的计算 2008-2009学年第