MATLAB实现智能计算方法实验：实验五 Hopfield神经网络

资源链接

MATLAB实现智能计算方法课程所有实验代码资源链接为：MATLAB实现智能计算方法课程所有实验代码资源

实验汇总

MATLAB实现智能计算方法课程所有实验汇总博客链接为：MATLAB实现智能计算方法实验汇总

实验目的

1. 通过本次实验，进一步理解Hopfield网络的模型结构与计算原理；
2. 掌握手工计算过程和编码，并能够解决实际问题；
3. 掌握MATLAB工具箱中的Hopfield相关函数，用工具箱实现编程，解决实际问题。

实验内容

在三维平面上，定义两个平衡点(1,-1,1)和(-1,1,-1),使所有的输入向量经过迭代最后都收敛到这两个点。

1. 给出手工计算过程，并用代码（python或matlab）实现；
2. 设计网络结构（以图的形式放入报告）；
3. 用MATLAB工具箱编程实现模型仿真。

实验步骤

1. 手工计算及编码

根据权值计算公式：$$w_{ij}=\{\begin{array}{l}\frac{1}{n}\sum _{k=1}^m{u}_i^k{u}_j^k,j\ne i\\ 0,j=i\end{array}$$

用矩阵形式表示：$$w=\frac{1}{n}(\sum _{k=1}^m{U}_k^{}{U}_k^T-mI)$$

求得权值矩阵为：

$$\frac{1}{3}\times \left(\left[\begin{array}{lc}1& -1\\ -1& 1\\ 1& -1\end{array}\right]\times \left[\begin{array}{lcc}1& -1& 1\\ -1& 1& -1\end{array}\right]-2\times \left[\begin{array}{lcc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\right)=\frac{1}{3}\times \left[\begin{array}{lcc}0& -2& 2\\ -2& 0& -2\\ 2& -2& 0\end{array}\right]$$

假设某一次输入的向量为：$$\left[\begin{array}{l}0.8\\ -0.7\\ 0.9\end{array}\right]$$选择更新第二个神经元，根据公式$$v_i(t+1)=Sgn[\sum _{j=1}^N{w}_{ij}^{}{x}_j^{}(n)]$$一次计算过程如下:
$$w_{ij}^{}{x}_j^{}(n)=\frac{1}{3}\times \left[\begin{array}{lcc}-2& 0& -2\end{array}\right]\times \left[\begin{array}{l}0.8\\ -0.7\\ 0.9\end{array}\right]=-1.13$$
整个仿真过程通过编程实现，根据题意及上述计算过程，设计有两个记忆模式，每个记忆模式有三个分量的Hopfield神经网络，激励函数选择符号函数，代码如下：

clc;
clear;
T = [1 -1 1; -1 1 -1]';
[n, m] = size(T);
%计算网络权值
w = zeros(n, n);
for i = 1: m
    w = w + T(:, i)*T(:, i)';
end
w = (1/3)*(w - m*eye(n, n));
axis([-1 1 -1 1 -1 1]);
set(gca, 'box', 'on');
axis manual;
plot3(T(1, :), T(2, :), T(3, :), 'rp');%rp表示红色五角星
title('含有三个神经元的Hopfield网络状态空间');
xlabel('a(1)'); ylabel('a(2)'); zlabel('a(3)'); view([-36 30]); hold on;
%随机选取50个数进行仿真
for m = 1: 50
    v1 = rands(3);
    v0 = v1;
    n = length(v0);
    v = zeros(n, 1);
    while(sum(v ~= v0)~=0 || sum(abs(v0) - ones(n, 1)) ~= 0)
        v = v0;
        i = randi(n);
        if(w(i, :)*v0<0)     
            v0(i, :) = -1;
        else
            v0(i, :) = 1;
        end
    end
    track = [v1 v0];
    plot3(v1(1, 1), v1(2, 1), v1(3, 1), 'k+', track(1, :), track(2, :), track(3, :));
    hold on;
end

运行程序，结果如下图1。

图1 手工编码运行结果

由图可知，随机产生的输入向量经过迭代最后都收敛到设定的两个点。

2. 设计网络结构

设计Hopfield网络结构如下图。

图2 Hopfield网络结构图

3. 工具箱仿真

用MATLAB工具箱编程实现模型仿真，程序代码如下：

clc;
clear;
T=[1 -1 1; -1 1 -1]';
axis([-1 1 -1 1 -1 1]);
set(gca,'box', 'on');
axis manual;
hold on;
plot3(T(1, :), T(2, :),T(3, :), 'rp');
title('含有三个神经元的Hopfield网络状态空间');
xlabel('a(1)');
ylabel('a(2)');
zlabel('a(3)');
view([-36 30]);
%设计网络
net = newhop(T);
%随机选取50个初始点进行赋值，观察结果。
color = 'rgbmy';
for i = 1: 50
       a={rands(3, 1)};
        [y, Pf, Af] = sim(net, {1, 10}, {}, a);
        record = [cell2mat(a) cell2mat(y)];
        start = cell2mat(a);
        plot3(start(1, 1), start(2, 1), start(3, 1), 'k+', record(1, :), record(2, :), record(3, :), color(rem(i, 5) + 1));
end

执行程序，运行结果如下图3。

图3 工具箱运行结果 由图可知随机生成的50个初始点都收敛到(1,-1,1)和(-1,1,-1)这两个点。