DL之HNN:Hopfield神经网络(HNN)的简介(两类DHNN/CHNN)、简介、使用案例之详细攻略 | 您所在的位置:网站首页 › 权值矩阵求能量 › DL之HNN:Hopfield神经网络(HNN)的简介(两类DHNN/CHNN)、简介、使用案例之详细攻略 |
HNN的两个类别DHNN和CHNN 离散型DHNN(Discrete Hopfiled Neural Network):Hopfield最早提出的网络是二值神经网络,各神经元的激励函数为阶跃函数或双极值函数,神经元的输入、输出只取{0,1}或者{ -1,1},所以也称为离散型Hopfield神经网络DHNN。在DHNN中,所采用的神经元是二值神经元;因此,所输出的离散值1和0或者1和-1分别表示神经元处于激活状态和抑制状态。 离散Hopfield神经网络DHNN是一个单层网络,有n个神经元节点,每个神经元的输出均接到其它神经元的输入。各节点没有自反馈。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超过其阀值时,神经元就处于一种状态(比如1),否则神经元就始终处于另一状态(比如-1)。 1、DHNN的特点: DHNN是一种多输入、含有阈值的二值非线性动态系统—能量函数。在动态系统中,平衡稳定状态可以理解为系统某种形式的能量函数(energy function)在系统运行过程中,其能量不断减少,最后处于最小值。 DHNN稳定的充分条件是权重系数矩阵W是一个对称矩阵且对角线元素为0:如果DHNN的权系数矩阵W是一个对称矩阵,并且对角线元素为0,则这个网络是稳定的。W是一个对称矩阵仅是充分条件,不是必要条件。 DHNN的类人类的联想记忆功能:DHNN一个重要功能是可以用于联想记忆,即联想存储器,这是人类的智能特点之一。 DHNN实现联想记忆过程分为两个阶段: >> 学习记忆阶段: 设计者通过某一设计方法确定一组合适的权值,使DHNN记忆期望的稳定平衡点。 >> 联想回忆阶段: DHNN的工作过程。 2、DHNN局限性: DHNN记忆容量的有限性—无混沌状态:由于网络状态是有限的,不可能出现混沌状态。 DHNN的伪稳定点的联想与记忆; DHNN对于近似样本容易出错:当记忆样本较接近时,网络不能始终回忆出正确的记忆等; DHNN平衡稳定点不可以任意设置:也没有一个通用的方式来事先知道平衡稳定点。 |
CopyRight 2018-2019 实验室设备网 版权所有 |