Hopfield 网——擅长于联想记忆与解迷路实现H网联想记忆的关键

人工智能/神经网络 12 K 153 次下载 2015-03-16

资源详细信息

文件格式

RAR

文件大小

12 K

资源分类

人工智能/神经网络

上传者

szdoudou

发布时间

2015-03-16 10:45

下载统计

153 次

所需积分

2 积分

Hopfield 网——擅长于联想记忆与解迷路实现H网联想记忆的关键 - 资源详细说明

Hopfield 网——擅长于联想记忆与解迷路实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重想要记忆的模式，用-1和1的2值表示模式：-1，-1，1，-1，1，1，... 一般表示：则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式：神经元输出值的初始化想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1）将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神经元总数 f（）--Sgn（） θi—神经元i发火阈值反复进行，直到各个神经元的输出不再变化。