基于
Hopfield
神经网络的数字识?/p>
原理简介:
Hopfield
网络是有反馈的全互联型网络,其形式如?/p>
2
所示,
N
为神经元的数目,
V
?/p>
示神经元的输入向量,
U
表示输出向量?/p>
W
为神经元之间的权值。离?/p>
Hopfield
网络中每
个神经元的输出只能取?/p>
1
”或?/p>
-1
”两种状态,各神经元的状态可用向?/p>
V
表示?/p>
V={v
1
?/p>
v
2
?/p>
?/p>
v
n
}
。网络中各神经元彼此互相连接,即每个神经元将自己的输出通过连接权传给其
它神经元,同时每个神经元接受其它神经元传来的信息?/p>
?/p>
2
有反馈的全互联型网络
Hopfield
网络的稳定性是由能量函数来描述的,
即对网络的每个状态发生变化时?/p>
能量
函数
E
随网络状态变化而严格单调递减,这?/p>
Hopfield
模型的稳定与能量函数
E
在状态空
间的局部极小点将一一对应?/p>
设有
N
个神经元构成?/p>
Hopfield
网络,其中第
i
个和?/p>
j
个神经元节点状态分别记?/p>
vi
?/p>
vj
?/p>
w
是神经元
i
?/p>
j
的连接权?/p>
?/p>
为神经元
i
的阈值。节点的能量可表示为?/p>
Ei=-(
i
i
n
i
j
ij
v
w
?/p>
?/p>
?/p>
?/p>
)v
则整?/p>
Hopfield
网络整体能量函数定义为:
E=-
i
n
i
i
j
i
n
i
j
ij
n
i
v
v
v
w
?/p>
?/p>
?/p>
?/p>
?/p>
?/p>
?/p>
1
1
2
1
?/p>
设有
N
个神经元构成?/p>
Hopfield
神经网络,第
i
个神经元?/p>
t
时刻所接收的来自其?/p>
N-1
个神经元输入信号的总和记为
ui
?/p>
t
?/p>
?/p>
t+1
时刻?/p>
i
个神经元的输出?/p>
vi
?/p>
t+1
)是符号
函数作用?/p>
ui
?/p>
t
)的某个阈?/p>
时,该神经元将触发成兴奋状态。据此可?/p>
Hopfield
网络?/p>
运行规则为:
?/p>
1
?/p>
在网络中随机地选择一个神经元?/p>
?/p>
2
?/p>
求所选神经元
i
?/p>
1
?/p>
i
?/p>
N
)的输入总和
u
i
(t)=
i
i
n
i
j
ij
v
w
?/p>
?/p>
?/p>
?/p>
?/p>