神经网络2-hopfield网络.ppt

神经网络2-hopfield网络.ppt

ID:52133704

大小:1.45 MB

页数:39页

时间:2020-04-01

神经网络2-hopfield网络.ppt_第1页
神经网络2-hopfield网络.ppt_第2页
神经网络2-hopfield网络.ppt_第3页
神经网络2-hopfield网络.ppt_第4页
神经网络2-hopfield网络.ppt_第5页
资源描述:

《神经网络2-hopfield网络.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、智能控制技术西安工业大学电信学院宋晓茹第七章神经网络控制系统7.4反馈神经网络模型——Hopfield网络Hopfield网络属于无监督学习神经元网络。Hopfield网络是单层反馈网络,是一种全连接加权无向图,可分为连续型和离散型二种形式。7.4反馈神经网络模型——Hopfield网络1982年,J.Hopfield提出了可用作联想存储器的互连网络,这个网络称为Hopfield网络模型,也称Hopfield模型。Hopfield神经网络模型是一种循环神经网络,从输出到输入有反馈连接。图7-26Hopfield网络Hopfield网络是单层反馈网络,有n个神经元节点,每个神经元的

2、输出连接到其它神经元的输入。各个节点自己没有反馈,图中的每个节点都附有一个阈值和权系数。每个节点都可处于一种可能的状态(1或-1),即当该神经元所受的刺激越过其阈值时,神经元处于一种状态(比如1)。否则神经元就始终处于另一状态(比如-1),图中顶点的个数就是该神经网络的阶数。从时域上来看,Hopfield网可以用一组耦合的非线性微分方程来表示。在一定条件下,Hopfield网络可以用作联想存储器。Hopfield网络得到广泛应用的另一个特点是它具备快速优化能力。离散型的Hopfield网络即二值型的Hopfield网络,只有一个神经元层次。每个处理单元均有一个活跃值(状态)取两个

3、可能的状态值之一,通常用0和1或-1和1来表示神经元的两个状态,即抑制或兴奋。整个网络的状态由单一神经元的状态组成。网络的状态可用一个由0(-1)/1组成的矢量来表示,其中每一元素对应于某个神经元的状态。其特点:1)自联想回归(或全连接),所有神经元与其它单元相连,但无自连接;2)按内容编址存贮器方式进行操作,新提供的输入模式可自动找到已存贮的合适模式。Hopfield网络可以看成是一个动态系统,其相空间包含代表系统基本存贮内容的固定(稳定)点的集合。Hopfield网络可以检索信息,以一定的误差恢复信息。图7-27Hopfield基本单元如果Hopfield网络是一个能收敛的稳

4、定网络,则反馈与迭代过程所产生的变化越来越小,一旦到达了稳定平衡状态;那么Hopfield网络就会输出一个稳定的恒值。对于一个Hopfield网络来说,关键是在于确定它在稳定条件下的权系数。应该指出:反馈网络有稳定的,也有不稳定的。对于Hopfield网络来说,还存在如何判别它是稳定网络,亦或是不稳定的问题;而判别依据是什么,也是需要确定的。1离散Hopfield网络Hopfield最早提出的网络是二值神经网络,神经元的输出只取1和0这两个值,所以,也称离散Hopfield神经网络。在离散HopfieId网络中,所采用的神经元是二值神经元;故而,所输出的离散值1和0分别表示神经元

5、处于激活和抑制状态。先考虑由三个神经元组成的离散Hopfield神经网络,其结构如图7—13中所示。图7—13离散Hopfield神经网络结构图第一层是实际神经元,故而执行对输人信息和权系数乘积求累加和,并由非线性函数f处理后产生输出信息。f是一个简单的阈值函效,如果神经元的输出信息大于阈值θ,那么,神经元的输出就取值为1;小于阈值θ,则神经元的输出就取值为θ。对于二值神经元,它的计算公式如下其中:xi为外部输入。并且有:Yi=1,当Ui≥θi时Yi=0,当Ui<θi时对于一个离散的Hopfield网络,其网络状态是输出神经元信息的集合。对于一个输出层是n个神经元的网络,则其t时

6、刻的状态为一个n维向量:Y(t)=[Y1(t),Y2(t),...,Yn(t)]T故而,网络状态有2n个状态;因为Yj(t)(j=1……n)可以取值为1或0;故n维向量Y(t)有2n种状态,即是网络状态。对于三个神经元的离散Hopfield网络,它的输出层就是三位二进制数;每一个三位二进制数就是一种网络状态,从而共有8个网络状态。网络状态如图7—14中所示。立方体的每个顶角表示一种网络状态。同理,对于n个神经元的输出层,它有2n个网络状态,也和一个n维超立方体的顶角相对应。结构如图7—13如果Hopfield网络是一个稳定网络,那么在网络的输入端加入一个输入向量,则网络的状态会产

7、生变化,也就是从超立方体的一个顶角转移向另一个顶角,并且最终稳定于一个特定的顶角。对于一个由n个神经元组成的离散Hopfield网络,则有n*n权系数矩阵W:W={Wij}i=1,2,...,n j=1,2,...,n同时,有n维阈值向量θ:θ=[θ1,θ2,...θn]T一般而言,w和θ可以确定一个唯一的离散Hopfield网络。对于一个网络来说,稳定性是一个重大的性能指标!对于离散Hopfield网络,其状态为Y(t):Y(t)=[Y1(t),Y2(t),...,Yn(t)]

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。