人工神经网络-连续型Hopfield神经网络ppt课件

1、.,连续型Hopfield神经网络 Continuous Hopfield Neural NetworkCHNN,提出,原理,优点,.,一、网络结构 二、稳定性证明 三、CHNN的几点结论,连续型Hopfield神经网络 Continuous Hopfield Neural NetworkCHNN,.,连续型Hopfield网络结构及特点,连续型Hopfield网络结构如右图所示，它是单层反馈非线性网络，每一个节点的输出均反馈至节点的输入。,.,Hopfield网络用模拟电路实现的神经元节点如右图。图中电阻Rio和电容Ci并联，模拟生物神经元的延时特性，电阻Rij(j=1,2,n)模拟突触特征

2、，偏置电流Ii相当于阈值，运算放大器模拟神经元的非线性饱和特性。,.,设模型中放大器为理想放大器，其输入端无电流输入，则第i个放大器的输入方程为：,.,ui：表示运算放大器i的输入电压 vi：表示运算放大器i的输出电压,连续型Hopfield动态神经网络模型如右图所示。 取Wij=Wji ,Wii=0(无自反馈),.,Hopfield神经网络中每个神经元都是由运算放大器及其相关的电路组成的，其中任意一个运算放大器i（或神经元i）都有两组输入：第一组是恒定的外部输入，用Ii表示，这相当于放大器的电流输入；第二组是来自其他运算放大器的反馈连接，如其中的另一任意运算放大器j（或神经元j），用wij表

3、示，这相当于神经元i与神经元j之间的连接权值。,.,设 则有 一般设 则有,.,式中f(x)为S形激励函数。一般有以下两种形式： 非对称型Sigmoid函数 对称型Sigmoid函数,.,连续型Hopfield神经网络稳定性分析,能量函数的定义,求取,其中：,.,由于Wij=Wji 则有：,由连续Hopfield运行方程可得,将上式代入原式可得：,.,由于Ci0, f(U)单调递增，故f -1 (U)也单调递增，可得：,当且仅当，,时，,结论：网络是渐进稳定的，随着时间的推移，网络的状态向E减小的方向运动，其稳定平衡状态就是E的极小点。,.,关于Hopfield能量函数的几点说明：,当对反馈网

4、络应用能量函数后，从任一初始状态开始，因为在每次迭代后都能满足E0，所以网络的能量将会越来越小，最后趋于稳定点E=0。 Hopfield能量函数的物理意义：在那些渐进稳定点的吸引域内，离吸引点越远的状态，所具有的能量越大，由于能量函数的单调下降特性，保证状态的运动方向能从远离吸引点处，不断地趋于吸引点，直到达到稳定点。,.,两点说明： 1）能量函数为反馈网络的重要概念。根据能量函数可以方便的判断系统的稳定性； 2）Hopfield选择的能量函数，只是保证系统稳定和渐进稳定的充分条件，而不是必要条件，其能量函数也不是唯一的。,.,1）具有良好的收敛性； 2）具有有限个平衡点； 3）如果平衡点是稳定的，那么它也一定是渐进稳定的； 4）渐进稳定平衡点为其能量函数的局部极小点； 5）能将任意一组希望存储的正交化矢量综合为网络的渐进平衡点； 6）网络的存储信息表现为神经元之间