28离散Hopfield神经网络的联想记忆数字识别（附matlab）

1.简述

       学习目标：利用离散Hopfield神经网络进行联想记忆数字识别

 

1982年，美国加州理工学院的J.Hopfield教授提出了一种单层反馈神经网络，称为Hopfield网络[1]。Hopfield网络是一种循环的神经网络，从输出到输入有反馈连接。Hopfield网络可以作为联想存储器，有称为联想记忆网络。

Hopfield网络分为离散型(DHNN, discrete Hopfield Neural Network)和连续型(CHNN, Continues Hopfield Neural Network)两种网络模型。

1、离散Hopfield神经网络

1.1、Hopfield网络的结构

最初提出的Hopfield网络是离散网络，输出值只能取0或者1，风别表示神经元的抑制和兴奋状态。

仅考虑中间层神经元的节点，发现，每个神经元的输出都成为其他神经元的输入，每个神经元的输入都来自于其他神经元。神经元输出的数据经过其他神经元之后最终又反馈给自己。

 Hopfield网络的稳定性

Hopfield网络按神经动力学的方式运行，工作过程为状态的演化过程，对于给定的初始状态，按”能量“减小的方式演化，最终达到稳定状态。

动力系统：指按时间发展的系统
非线性动力学：是研究非线性动力系统的各种运动状态的定性和定量变化规律（即动力学特性），尤其是系统长期行为。

对于