神經(jīng)網(wǎng)絡(luò)控制3其他網(wǎng)絡(luò)論文資料-文庫吧資料
2025-01-10 14:42本頁面
【正文】 di agwwwwWWvuunnnnnn?????????????????????????????? ,0, , , 12111111???????2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 36 例 2個元的 Hopfield網(wǎng)絡(luò) 11 1 2 1 110 11 1221 2 2 2 120 21 221 1 12 2 21 1 1( ) ( )1 1 1( ) ( )()()duv u v u Idt R R Rduv u v u Idt R R Rvuvu??? ? ? ? ? ? ?? ? ? ? ? ? ???2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 37 CHNN方程的解及穩(wěn)定性分析 對于 CHNN來說，關(guān)心的問題同樣是穩(wěn)定性。 ? ?? ?? ? ? ? ? ?xxexuvIuvRRudtducxiiinjijijiiiit a n h 11 110???????????????或2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 33 圖 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 34 圖 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 35 對上述方程變形得： iiiiijijnj iijiiiinjjijiiicIcRwcRcRvwudtdu???????????????? ,1 ,111101? ?的一種特殊情況。 網(wǎng)絡(luò)模型 CHNN方程的解及穩(wěn)定性分析 關(guān)于 Hopfield能量函數(shù)的幾點說明 關(guān)于 CHNN的幾點結(jié)論 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 32 CHNN的網(wǎng)絡(luò)模型 圖 Hopfield動態(tài)神經(jīng)元模型。由于 CHNN是以模擬量作為網(wǎng)絡(luò)的輸入輸出量，各神經(jīng)元采用并行方式工作，所以 它在信息處理的并行性、聯(lián)想性、實時性、分布 存儲、協(xié)同性等方面比 DHNN更接近于生物神經(jīng) 網(wǎng)絡(luò)。求出權(quán)矩陣滿秩，其逆存在，則可線性無關(guān)的，則如果樣本之間是為偽逆，有其中由此可得來映射，則有輸入輸出之間用權(quán)值設(shè)輸入樣本W(wǎng)PPPPPPPPNWNYXWNWXXXXTTTN, s g n, 121??????????? ?2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 30 正交化權(quán)值設(shè)計 這一方法的基本思想和出發(fā)點是為了滿足下面四個要求： 1）保證系統(tǒng)在異步工作時的穩(wěn)定性，即它的權(quán)值是對稱的； 2）保證所有要求記憶的穩(wěn)定平衡點都能收斂到自己； 3）使偽穩(wěn)定點的數(shù)目盡可能的少； 4）使穩(wěn)定點的吸引域盡可能的大。 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 27 權(quán)值修正的其它方法 ?學(xué)習(xí)規(guī)則 偽逆法 正交化權(quán)值設(shè)計 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 28 ?學(xué)習(xí)規(guī)則 ?學(xué)習(xí)規(guī)則基本功式是： 即通過計算該神經(jīng)元節(jié)點的實際激活值 A(t)，與期望狀態(tài) T(t)進行比較，若不滿足要求，將兩者的誤差的一部分作為調(diào)整量，若滿足要求，則相應(yīng)的權(quán)值保持不變。 對外積型設(shè)計而言，如果輸入樣本是彼此正交的， n個神經(jīng)元的網(wǎng)絡(luò)其記憶容量的上界為 n。對一記憶的樣本發(fā)生遺忘，這種現(xiàn)象稱為 “ 疲勞 ” 。 ? ?e n dIXXWWqkf o rWTKK?????,1 02022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 25 從動力學(xué)的角度來看， k值較小時，網(wǎng)絡(luò) Hebb學(xué)習(xí)規(guī)則，可以使輸入學(xué)習(xí)樣本成為其吸引子。即對權(quán)值 W，有程序 : 當網(wǎng)絡(luò)準確的 X1時，為了記憶 X2,需要在記憶樣本 X1 的權(quán)值上加上對樣本 X2的記憶項 X2 X2TI，將權(quán)值在 原來值的基礎(chǔ)上產(chǎn)生了移動。 ? ?? ?? ?? ?? ?3233222!1131s g n Y s g n Y s g n Y031301110 111111111 TTWXTWXTWXIXXWTXKTKK??????????????????????????????????????驗證：解：2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 23 記憶容量分析 當網(wǎng)絡(luò)只記憶一個穩(wěn)定的模式時，該模式肯定被網(wǎng)絡(luò)準確無誤的記憶住。 ? ?? ?niwxxwIXXWnnIRXmKXiimkkjkiijmkTKKnK~1 0 ,~1,11????????????單位陣，則為給定輸入2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 22 例 : 設(shè)計 DHNN，并考察其聯(lián)想性能。 權(quán)值設(shè)計的方法 記憶容量分析 權(quán)值修正的其它方法 在 MATLAB中，用函數(shù) 個 Hopfield網(wǎng)絡(luò)： = newhop(T) 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 21 權(quán)值設(shè)計的方法 權(quán)值設(shè)計的方法有外積法、偽逆法、正交設(shè)計法等。又因為的運行規(guī)則，根據(jù)故有因為根據(jù)定理條件有0001 211 21 ,221????????????????????????????EkwtuxD H N NkwtuxkwtxwxEwwkkkkkkkkkknjkjkjkjiij? 全并行方式下也有同樣的結(jié)論 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 20 DHNN網(wǎng)絡(luò)設(shè)計 用 DHNN實現(xiàn)聯(lián)想記憶需要考慮兩個重要的問題： ①怎樣按記憶確定網(wǎng)絡(luò)的 W和 ?；②網(wǎng)絡(luò)給定之后如何分析它的記憶容量。所以它總能收斂到它的的。 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 16 DHNN的穩(wěn)定工作點 Xi(t+1)= Xi(t)=sgn(∑j=1nWijXi(t)θi ) i=1,2,… ,n 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 17 網(wǎng)絡(luò)的穩(wěn)定性分析 DHNN的能量函數(shù)定義為： 有界EwxxxwEXWXXxxxwEniininjijniiininjjiijTTniiininjjiij?? ??? ??? ??? ??? ??? ???????????????11 111 111 121 2121 212022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 18 關(guān)于 DHNN的穩(wěn)定性有如下的定理： 【 定理 】 當網(wǎng)絡(luò)工作在串行方式下時，若 W為對稱陣，且其對角元素非負，則其能量函數(shù)單調(diào)下降，網(wǎng)絡(luò)總能收斂到一個穩(wěn)定點。 變化的這一組神經(jīng)元可以按照隨機方式或某種規(guī) 則來選擇。這一變化的神經(jīng)元可以按照隨機的方式或預(yù)定的順序來選擇。 2022/2/1 神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用 13
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1