人工神经网络-连续型Hopfield神经网络.pptx

《人工神经网络-连续型Hopfield神经网络.pptx》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、连续型Hopfield神经网络ContinuousHopfieldNeuralNetwork——CHNN连续型Hopfield神经网络是Hopfield于1984年在离散型Hopfield神经网络的基础上提出的。Hopfield网络分为离散型和连续型两种，都是对称互连网络（Wij=Wji）,根据节点状态的取值来划分是离散型的还是连续型。离散网络节点取{-1，+1}或{0，+1}，连续网络节点状态在某个随机区间内连续取值。其原理与离散型Hopfield神经网络相似，它以模拟量作为网络的输入输出量，各神经元采用并行方式工作所以它在信息处

2、理的并行性、联想性、实时性、分布存储和协同性等方面比离散型Hopfield神经网络更接近于生物神经网络提出原理优点一、网络结构二、稳定性证明三、CHNN的几点结论连续型Hopfield神经网络ContinuousHopfieldNeuralNetwork——CHNN连续型Hopfield网络结构及特点连续型Hopfield网络结构如右图所示，它是单层反馈非线性网络，每一个节点的输出均反馈至节点的输入。Hopfield网络用模拟电路实现的神经元节点如右图。图中电阻Rio和电容Ci并联，模拟生物神经元的延时特性，电阻Rij(j=1,2,

3、…,n)模拟突触特征，偏置电流Ii相当于阈值，运算放大器模拟神经元的非线性饱和特性。设模型中放大器为理想放大器，其输入端无电流输入，则第i个放大器的输入方程为：ui：表示运算放大器i的输入电压vi：表示运算放大器i的输出电压连续型Hopfield动态神经网络模型如右图所示。取Wij=Wji,Wii=0(无自反馈)Hopfield神经网络中每个神经元都是由运算放大器及其相关的电路组成的，其中任意一个运算放大器i（或神经元i）都有两组输入：第一组是恒定的外部输入，用Ii表示，这相当于放大器的电流输入；第二组是来自其他运算放大器的反馈连接

4、，如其中的另一任意运算放大器j（或神经元j），用wij表示，这相当于神经元i与神经元j之间的连接权值。设则有一般设则有式中f(x)为S形激励函数。一般有以下两种形式：非对称型Sigmoid函数对称型Sigmoid函数连续型Hopfield神经网络稳定性分析能量函数的定义求取其中：由于Wij=Wji则有：由连续Hopfield运行方程可得将上式代入原式可得：由于Ci>0,f(U)单调递增，故f-1(U)也单调递增，可得：当且仅当，时，结论：网络是渐进稳定的，随着时间的推移，网络的状态向E减小的方向运动，其稳定平衡状态就是E的极小点。关

5、于Hopfield能量函数的几点说明：当对反馈网络应用能量函数后，从任一初始状态开始，因为在每次迭代后都能满足E≤0，所以网络的能量将会越来越小，最后趋于稳定点E=0。Hopfield能量函数的物理意义：在那些渐进稳定点的吸引域内，离吸引点越远的状态，所具有的能量越大，由于能量函数的单调下降特性，保证状态的运动方向能从远离吸引点处，不断地趋于吸引点，直到达到稳定点。两点说明：1）能量函数为反馈网络的重要概念。根据能量函数可以方便的判断系统的稳定性；2）Hopfield选择的能量函数，只是保证系统稳定和渐进稳定的充分条件，而不是必

6、要条件，其能量函数也不是唯一的。1）具有良好的收敛性；2）具有有限个平衡点；3）如果平衡点是稳定的，那么它也一定是渐进稳定的；4）渐进稳定平衡点为其能量函数的局部极小点；5）能将任意一组希望存储的正交化矢量综合为网络的渐进平衡点；6）网络的存储信息表现为神经元之间互连的分布式动态存储；7）网络以大规模、非线性、连续时间并行方式处理信息，其计算时间就是网络趋于平衡点的时间。CHNN的几点结论