神经网络学习课件NeuralNetwoks(04) .pptVIP

第四章Hopfield网络模型[a,aa]=simuhop(a,w,b,50)holdonplot(aa(1,1),aa(2,1),wx,aa(1,:),aa(2,:))pauseholdoncolor=rgbmyfori=1:25第四章Hopfield网络模型a=rands(2,1);[a,aa]=simuhop(a,w,b,20);plot(aa(1,1),aa(2,1),wx,aa(1,:),aa(2,:),color(rem(i,5)+1))drawnowendechooff第四章Hopfield网络模型第四章Hopfield网络模型例子：设计一Hopfield网络，用于根据水果的外形、质地和重量三个特征自动对苹果和橘子分类。外形：基本是圆的－1否则－－1质地：表面光滑的－1否则－－1重量：超过1磅－1否则－－1一个标准的橘子为：X1＝[1,－1,－1]T一个标准的苹果为：X2＝[1,1,－1]T第四章Hopfield网络模型五、连续型Hopfield网络离散型Hopfield网络进一步可以扩展为连续型Hopfield网络，其结构和连接方式同离散型网络模型。神经元的电路模型第四章Hopfield网络模型连续型Hopfield网络的运行原理：(*)离散模型中(1)神经元输出为二值函数(2)离散型中ui=si第四章Hopfield网络模型前面提到的(*)式为连续型Hopfield网络的动态方程。该方程描述了神经元i的输出vi和内部状态ui之间的关系。该网络实际上是一个连续的非线性动力学系统。连续型Hopfield网络的特性：(1)网络能稳定到能量函数的极小点；(2)极小点一般不止一个；(3)能较好的模拟生物神经网络。第四章Hopfield网络模型Hopfield网络用于解决优化问题：TSP问题求解背包问题求解设计出相应程序第四章Hopfield网络模型P1P2PR…ibiwi1wi2wiRai第四章Hopfield网络模型b1b2b3w12w23w13V1V2V3第四章Hopfield网络模型6.3-4.3-2.5-9.6v1v2v3v42.8-1.23.4-5.94.7-3.1运行下图所示模型，并计算各状态能量第四章Hopfield网络模型任意给定一个初始状态：V(0)={1,0,1,0}按能量函数计算E(0)得E(0)=1.0第一次迭代Net1(1)=-3.50,v1(1)=0;Net2(1)=12.40,v2(1)=1;Net3(1)=5.30,v3(1)=1;Net4(1)=0.60,v4(1)=1;此时E(1)=-14第四章Hopfield网络模型再次迭代Net1(2)=-3.20,v1(1)=0;Net2(2)=7.80,v2(1)=1;Net3(2)=1.30,v3(1)=1;Net4(2)=2.50,v4(1)=1;此时E(2)=-14同理，进行计算发现，网络始终稳定在状态{0,1,1,1}，E=-14因此，网络的稳定状态即为{0,1,1,1}实际上，上述网络的所有状态及其能量可以用下面图表列出，从相应能量值亦可以看出上述结论第四章Hopfield网络模型-10.81111-11.40111-6.71011-1.400110.411011.00101-0.210016.30001-14.01110-11.50110-12.71010-4.30010-6.21100-2.50100-9.610000.00000Ev4v3v