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