Hopfield神经网络由J.Hopfield在1982年提出，分为离散型和连续型。离散型网络主要用于联想记忆，通过迭代更新寻找稳定状态。连续型网络则应用于最优化问题的求解，如旅行商问题。虽然网络可能陷入局部最小值，但可通过引入模拟退火等方法进行改进。
1982年，生物物理学家J.Hopfield提出了一种新颖的人工神经网络模型——Hopfield网络模型，引入了能量函数的概念，是一个非线性动力学系统。
(1) 离散的Hopfield网络用于联想记忆
(2) 连续的Hopfield网络用于求解最优化问题
1. 离散型Hopfield神经网络
能量函数：
能量函数E按照迭代一定会下降（证明我一直卡在一个地方，后来发现xi改变了，不仅改变了该节点的能量，而且对其它节点也有影响，故把证明贴上来，免得自己忘记）
证明：
无论x从-1变到1还是从1变到-1，能量都是下降的。
特点：结点输出为-1或+1
用途：联想记忆（自联想，互联想）
(1) 先训练出权值w<
最低0.47元/天 解锁文章
扫一扫
2600
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
