常見神經(jīng)網(wǎng)絡(luò)模型ppt課件(參考版)
2025-01-08 10:17本頁面
【正文】 這樣，大量的優(yōu)化問題都可以用連續(xù)的 Hopfield網(wǎng)來求解。 連續(xù) Hopfield網(wǎng)絡(luò) 33 三、 Hopfield網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 當 Hopfield網(wǎng)絡(luò)的神經(jīng)元激勵函數(shù) g是連續(xù)且有界的，例如 Sigmoid函數(shù)，并且網(wǎng)絡(luò)的權(quán)系數(shù)矩陣對稱，則這個連續(xù) Hopfield網(wǎng)絡(luò)是穩(wěn)定的。 32 三、 Hopfield網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 連續(xù) Hopfield網(wǎng)絡(luò)的拓樸結(jié)構(gòu)和離散 Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)相同。 聯(lián)想會議階段： 當網(wǎng)絡(luò)的權(quán)系數(shù)確定之后，只要向網(wǎng)絡(luò)給出輸入向量，這個向量可能是局部數(shù)據(jù)，但是通過狀態(tài)不斷變化，最后狀態(tài)會穩(wěn)定下來，最終的狀態(tài)是和給定向量最接近的樣本向量。將要記憶的信息與能量井一一對應(yīng)，則當輸入某一模式時，神經(jīng)網(wǎng)絡(luò)就能通過狀態(tài)轉(zhuǎn)移實現(xiàn)聯(lián)想記憶。人類的所謂 “ 觸景生情 ”就是見到一些類同過去接觸的景物，容易產(chǎn)生對過去情景的回味和思憶。 例： 44 計算網(wǎng)絡(luò)中各狀態(tài)的能量。 定理 41 離散 Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)定狀態(tài)與能量函數(shù) E在狀態(tài)空間的局部極小狀態(tài)是一一對應(yīng)的。如果 Hopfield網(wǎng)絡(luò)是一個穩(wěn)定網(wǎng)絡(luò)，那么在網(wǎng)絡(luò)的輸入端加入一個輸入向量，則網(wǎng)絡(luò)的狀態(tài)會產(chǎn)生變化，也就是從立方體的一個頂角轉(zhuǎn)移向另一個頂角，并且最終穩(wěn)定于一個特定的頂角。 26 三、 Hopfield網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 離散 Hopfield網(wǎng)絡(luò) 對于三個神經(jīng)元的離散Hopfield網(wǎng)絡(luò)，它的輸出層就是三位二進制數(shù)，從而共有 8個網(wǎng)絡(luò)狀態(tài)。處于穩(wěn)定時刻的網(wǎng)絡(luò)狀態(tài)叫穩(wěn)定狀態(tài)，又稱定點吸引子。 24 三、 Hopfield網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 幾個概念： DHNN的狀態(tài) ：單個神經(jīng)元有興奮和抑制兩種狀態(tài)， DHNN的狀態(tài)是一個包含所有單個神經(jīng)元狀態(tài)的矢量。 離散 Hopfield網(wǎng)絡(luò) iiiiiiijiijjUYUYXYWU???????? ?0123 三、 Hopfield網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 離散 Hopfield網(wǎng)絡(luò) 對于一個離散的 Hopfield網(wǎng)絡(luò)，其網(wǎng)絡(luò)狀態(tài)是輸出神經(jīng)元信息的集合。 22 三、 Hopfield網(wǎng)絡(luò) 常見神經(jīng)網(wǎng)絡(luò)模型 Hopfield最早提出的網(wǎng)絡(luò)是二值神經(jīng)網(wǎng)絡(luò)，神經(jīng)元的輸出只取 1和 0這兩個值，所以，也稱離散 Hopfield神經(jīng)網(wǎng)絡(luò)。一旦到達了穩(wěn)定平衡狀態(tài)，那么 Hopfield網(wǎng)絡(luò)就會輸出一個穩(wěn)定的恒值。 該網(wǎng)絡(luò)采用 BP算法，能正確識別車牌數(shù)字： 7 3 0 5 1
教學課件相關(guān)推薦
鄂ICP備17016276號-1