人工智能(神經(jīng)網(wǎng)絡(luò))45-資料下載頁(yè)
2025-02-19 12:28本頁(yè)面
【正文】 ()( ?＝Ｈ )]t(x,),t(x,),t(x),t(x[)t(X ni21T ???j? () Xi(t)表示節(jié)點(diǎn) i（第個(gè) i神經(jīng)元）在時(shí)刻 t的狀態(tài)，該節(jié)點(diǎn)在時(shí)刻 t+1的狀態(tài)由下式?jīng)Q定： () Hopfield模型及其學(xué)習(xí)算法 Hopfield網(wǎng)絡(luò)離散模型有兩種工作模式： （ 1）串行方式，是指在任一時(shí)刻 t，只有一個(gè)神經(jīng)元 i發(fā)生狀態(tài)變化，而其余的神經(jīng)元保持狀態(tài)不變。 （ 2）并行方式，是指在任一時(shí)刻 t，都有部分或全體神經(jīng)元同時(shí)改變狀態(tài)。 有關(guān)離散的 Hopfield網(wǎng)絡(luò)的穩(wěn)定性問(wèn)題，已于 1983年由 Cohen和Grossberg給于了證明。而 Hopfield等人又進(jìn)一步證明 ，只要連接權(quán)值構(gòu)成的矩陣是非負(fù)對(duì)角元的對(duì)稱矩陣，則該網(wǎng)絡(luò)就具有串行穩(wěn)定性。 Hopfield模型及其學(xué)習(xí)算法 1984年 ， Hopfield又提出了連續(xù)時(shí)間的神經(jīng)網(wǎng)絡(luò) ， 在這種神經(jīng)網(wǎng)絡(luò)中 ， 各節(jié)點(diǎn)可在 0到 1的區(qū)間內(nèi)取任一實(shí)數(shù)值 。 Hopfield網(wǎng)絡(luò)是一種非線性的動(dòng)力網(wǎng)絡(luò)，可通過(guò)反復(fù)的網(wǎng)絡(luò)動(dòng)態(tài)迭代來(lái)求解問(wèn)題，這是符號(hào)邏輯方法所不具有的特性。在求解某些問(wèn)題時(shí)，其求解問(wèn)題的方法與人類求解問(wèn)題的方法很相似，雖然所求得的解不是最佳解，但其求解速度快，更符合人們?nèi)粘＝鉀Q問(wèn)題的策略 Hopfield模型及其學(xué)習(xí)算法 Hopfield網(wǎng)絡(luò)的學(xué)習(xí)算法 (1) 設(shè)置互連權(quán)值 。 (） 其中， 是 s類樣例的第 i個(gè)分量，它可以為 1或 0，樣例類別數(shù)為 m，節(jié)點(diǎn)數(shù)為 n。 ???????? ???ji0jixxW1m0ssjsiij six Hopfield模型及其學(xué)習(xí)算法 (2) 未知類別樣本初始化 。 () 其中 ， yi(t)為節(jié)點(diǎn) I在 t時(shí)刻的輸出 ， 當(dāng) t=0時(shí) ， yi(0)就是節(jié)點(diǎn) I的初始值 ， xi為輸入樣本的第 I個(gè)分量 。 1nix)0(y ii ???? ?。?3) 迭代直到收斂 。 () 式 ()中 f為閾值型激發(fā)函數(shù) 。 該過(guò)程一直迭代到不再改變節(jié)點(diǎn)的輸出為止 。 這時(shí)各節(jié)點(diǎn)的輸出與輸入樣例達(dá)到最佳匹配 。 否則 (4) 轉(zhuǎn) （ 2） 繼續(xù) 。 10))(()1( 10????? ???njtyWfty niiijj Hopfield模型及其學(xué)習(xí)算法 前面已經(jīng)指出，當(dāng) Hopfield模型的網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值所構(gòu)成的矩陣是一個(gè)非負(fù)對(duì)角元的對(duì)稱矩陣時(shí)或者是一個(gè)非負(fù)定矩陣時(shí)，上述算法是收斂的。 人工神經(jīng)網(wǎng)絡(luò)的類型很多 ， 這里只簡(jiǎn)單介紹了三種比較重要且常用的模型及其算法 ， 即感知器模型 、 BP網(wǎng)絡(luò)模型和 Hopfield網(wǎng)絡(luò)模型 。若想更深入地了解 ， 請(qǐng)參閱人工 神經(jīng)網(wǎng)絡(luò)相關(guān)的專著或教材 。 Hopfield模型及其學(xué)習(xí)算法 返回目錄 演講完畢，謝謝觀看！
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1