1.3网络工作方式 ◆考虑具体应用,可以将能量的极小点作 为一个优化目标函数的极小点,把状态 变化的过程看成是优化某一个目标函数 的过程 ◆因此反馈网络的状态移动的过程实际上 是一种计算联想记忆或优化的过程。 ◆它的解并不需要真的去计算,只需要形 成一类反馈神经网络,适当地设计网络 s权值wi,使其初始输入A(t)向稳定吸引 字状态动就可以到目的
2021/2/20 16 1.3 网络工作方式 考虑具体应用，可以将能量的极小点作 为一个优化目标函数的极小点，把状态 变化的过程看成是优化某一个目标函数 的过程 因此反馈网络的状态移动的过程实际上 是一种计算联想记忆或优化的过程。 它的解并不需要真的去计算，只需要形 成一类反馈神经网络，适当地设计网络 权值wij，使其初始输入A(t0 )向稳定吸引 子状态移动就可以达到目的
1.3网络工作方式 米 ◆权值设计目标 网络系统能够达到稳定收敛 设计网络的稳定点 设计吸引域 2021/2/20
2021/2/20 17 1.3 网络工作方式 权值设计目标 – 网络系统能够达到稳定收敛 – 设计网络的稳定点 – 设计吸引域
Q二、 Hopfield网络简介 米 2.1网络模型 2.2 DHNN 2.3 CHNN 2.4联想记忆与优化计算 2021/2/20
2021/2/20 18 二、Hopfield网络简介 2.1 网络模型 2.2 DHNN 2.3 CHNN 2.4 联想记忆与优化计算
2.1网络模型 米 2021/2/20
2021/2/20 19 2.1 网络模型
2.1网络模型 米 ◆分类 离散 Hopfield网络(DHNN) 连续 Hopfield网络(CHNN) 0 2021/2/20 DHNN中的激活函数 CHNN中的激活函数
2021/2/20 20 2.1 网络模型 分类 – 离散Hopfield网络（DHNN） – 连续Hopfield网络（CHNN） DHNN中的激活函数 CHNN中的激活函数