神經網絡導論第三章-wenkub
2023-01-19 16:17:15 本頁面
【正文】 iijiij aaxaawE11 1 121?kkknjjjkniiki daxawawdE ]2121[11?????? ????kkkniiki daxawdE ][1????? ??能量函數(shù)收斂性證明 當狀態(tài)由 0或 1變?yōu)?1時，因為： 所以： 001??????kkniikikxawda?0?dE能量函數(shù)收斂性證明 當狀態(tài)由 0或 1變?yōu)?0時，因為： 所以： 001??????kkniikikxawda?0?dEHopfield模型應用實例 8皇后問題 u 問題描述 8皇后問題是：給定一個標準的棋盤和 8個皇后，要求正確地放置 8個皇后，使得沒有任何一個皇后可以攻擊到另外的一個皇后。 因此，網絡收斂于穩(wěn)定點過程表示在眾多約束之下不斷調整網絡狀態(tài)，直到使總花費值達到某個局部極小值或全局極小值的近似。 第二是如果兩類標準樣本模式向量中相同的元素很多，那么其中任何一個標準樣本模式開始迭代，但最后可能會收斂于另一個標準樣本模式。 ? ?11111 ???Y? ?1 1 112 ???Y?????????????????????0222202222022220WHopfield模型應用 之模式補全 u 問題描述 10 10的點陣表示的圖案存儲在 Hopfield網絡中。然后在 Hopfield神經網絡模型中按其動力學特性 sgn函數(shù) 進行操作， 反復迭代，直到收斂為止。神經元沒有自連接 ,即 wii＝ 0；神經元與神經元之間的連接是對稱的，即 wij＝ wji Hopfield模型數(shù)學描述 k 輸入 該模型中神經元實際上是一 線性閾值單元 。從系統(tǒng)的觀點看，反饋神經網絡模型是一反饋動力學系統(tǒng)，它具有極復雜的動力學特性。在反饋神經網絡模型中，我們關心的是其穩(wěn)定性 ,穩(wěn)定性是神經網絡相聯(lián)存儲性質的體現(xiàn)，可以說穩(wěn)定就意味著完成回憶。圖中 x1， x2， …， xn為該自適應線性元在 t時刻的外部輸入，用向量表示為 : X＝（ x1， x2， …， xn） T 這個向量稱為自適應線性元的 輸入信號向量 或 輸入模式向量 。 當整個神經網絡穩(wěn)定后，處理單元的輸出就最終給出了匹配輸入模式 X的標準樣本模式， 直接完成了提取記憶信息的操作?，F(xiàn)將受損壞的圖案輸入，讓受損壞的圖案恢復原狀。 Hopfield模型與組合優(yōu)化求解 在組合優(yōu)化問題中，讓神經元的某狀態(tài)表示某命題的真假，而神經元之間的連接則表示兩命題的關聯(lián)程度，正為相互支持，負為相互否定。 ?? ? ??? ? ?????niiininjniiijiij aaxaawE11 1 121?能量函數(shù) 能量函數(shù) 展現(xiàn)的是神經網絡系統(tǒng)集團計算能力而不是單個神經元的計算能力。這里我們將用Hopfield模型求解這一問題。 ? ?? ???818122 ]1)[(i jijaHHopfield模型應用實例 8皇后問題 u 能量函數(shù)的定義 ? ?? ?? ????????????72821,719121,3]21)[(]21)[(j jijiijjijiiaaHHopfield模型應用實例 8皇后問題 u 能量函數(shù)的定義 每條對角
教學課件相關推薦
鄂ICP備17016276號-1