神经网络学习（一）

这个系列的文章主要记录学习《神经网络设计》这本书的收获与总结。

第一部分主要介绍三种网络：

• 感知机
• Hamming
• Hopfield

感知机

采用对称硬极限传输函数hardlims的单层感知机

两输入感知机,w11 = -1, w22 = 1如下

a = hardlims(n) = hardlims([-1 1]p + b)

Hamming

Hamming网络的目标时判定哪个标准向量最接近输入向量。

判定结果由递归层的输出表示。

1. R为样本空间维数
2. S为神经元个数

---

• 前馈层

前馈层用于实现每个标准模式和输入模式之间的相关检测或求内积。

为了使得前馈层能够完成其功能，可以用标准模式设置其权值矩阵的行，该权值矩阵用连接矩阵W1表示。

之所以称该网络为Hmming网，是因为在前馈层中具有最大输出的神经元正好对应于输入模式Hamming距离最近的标准模式。

• 递归层