新建
上传
首页
助手
最?/div>
资料?/div>
工具

基于

Hopfield

技术的

 

TSP 

问题求解

 

1

 

Hopfield

原理综述?/p>

 

 

 

 

 

首先,网络结构上?/p>

Hopfield

神经网络是一种单层互相全连接的反馈型神经?/p>

络。每个神经元既是输入也是输出,网络中的每一个神经元都将自己的输出通过?/p>

接权传送给所有其它神经元,同时又都接收所有其它神经元传递过来的信息。即?/p>

网络中的神经元在

t

时刻的输出状态实际上间接地与自己

t-1

时刻的输出状态有关?/p>

?/p>

经元之间互连接,所以得到的权重矩阵将是对称矩阵?/p>

 

       

同时?/p>

Hopfield

神经网络成功引入能量函数的概念,使网络运行的稳定性判?/p>

有了可靠依据。基本的

Hopfield

神经网络是一个由非线性元件构成的全连接型单层

递归系统。其状态变化可以用差分方程来表示。递归型网络的一个重要特点就是它

具有稳定状态,

当网络达到稳定状态的时候,

也就是它的能量函数达到最小的时候?/p>

这里的能量函数不是物理意义上的能量函数,而是在表达形式上与物理意义上的能

量概念一致,即它表征网络状态的变化趋势,并可以依据

Hopfield

网络模型的工?/p>

运行规则不断地进行状态变化,最终能够到达具有某个极小值的目标函数。网络收

敛就是指能量函数达到极小值?/p>

 

      

在使用递归网络时,

必须对其稳定性进行专门的分析与讨论,

合理选择网络的参

数变化范围,才能确保递归网络的正常工作?/p>

 

Hopfield

神经网络模型有离散型和连续性两种,离散型适用于联想记忆,连续

性适合处理优化问题?/p>

 

2

 

建模方法

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

基于

Hopfield

技术的

 

TSP 

问题求解

 

1

 

Hopfield

原理综述?/p>

 

 

 

 

 

首先,网络结构上?/p>

Hopfield

神经网络是一种单层互相全连接的反馈型神经?/p>

络。每个神经元既是输入也是输出,网络中的每一个神经元都将自己的输出通过?/p>

接权传送给所有其它神经元,同时又都接收所有其它神经元传递过来的信息。即?/p>

网络中的神经元在

t

时刻的输出状态实际上间接地与自己

t-1

时刻的输出状态有关?/p>

?/p>

经元之间互连接,所以得到的权重矩阵将是对称矩阵?/p>

 

       

同时?/p>

Hopfield

神经网络成功引入能量函数的概念,使网络运行的稳定性判?/p>

有了可靠依据。基本的

Hopfield

神经网络是一个由非线性元件构成的全连接型单层

递归系统。其状态变化可以用差分方程来表示。递归型网络的一个重要特点就是它

具有稳定状态,

当网络达到稳定状态的时候,

也就是它的能量函数达到最小的时候?/p>

这里的能量函数不是物理意义上的能量函数,而是在表达形式上与物理意义上的能

量概念一致,即它表征网络状态的变化趋势,并可以依据

Hopfield

网络模型的工?/p>

运行规则不断地进行状态变化,最终能够到达具有某个极小值的目标函数。网络收

敛就是指能量函数达到极小值?/p>

 

      

在使用递归网络时,

必须对其稳定性进行专门的分析与讨论,

合理选择网络的参

数变化范围,才能确保递归网络的正常工作?/p>

 

Hopfield

神经网络模型有离散型和连续性两种,离散型适用于联想记忆,连续

性适合处理优化问题?/p>

 

2

 

建模方法

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

基于

Hopfield

技术的

 

TSP 

问题求解

 

1

 

Hopfield

原理综述?/p>

 

 

 

 

 

首先,网络结构上?/p>

Hopfield

神经网络是一种单层互相全连接的反馈型神经?/p>

络。每个神经元既是输入也是输出,网络中的每一个神经元都将自己的输出通过?/p>

接权传送给所有其它神经元,同时又都接收所有其它神经元传递过来的信息。即?/p>

网络中的神经元在

t

时刻的输出状态实际上间接地与自己

t-1

时刻的输出状态有关?/p>

?/p>

经元之间互连接,所以得到的权重矩阵将是对称矩阵?/p>

 

       

同时?/p>

Hopfield

神经网络成功引入能量函数的概念,使网络运行的稳定性判?/p>

有了可靠依据。基本的

Hopfield

神经网络是一个由非线性元件构成的全连接型单层

递归系统。其状态变化可以用差分方程来表示。递归型网络的一个重要特点就是它

具有稳定状态,

当网络达到稳定状态的时候,

也就是它的能量函数达到最小的时候?/p>

这里的能量函数不是物理意义上的能量函数,而是在表达形式上与物理意义上的能

量概念一致,即它表征网络状态的变化趋势,并可以依据

Hopfield

网络模型的工?/p>

运行规则不断地进行状态变化,最终能够到达具有某个极小值的目标函数。网络收

敛就是指能量函数达到极小值?/p>

 

      

在使用递归网络时,

必须对其稳定性进行专门的分析与讨论,

合理选择网络的参

数变化范围,才能确保递归网络的正常工作?/p>

 

Hopfield

神经网络模型有离散型和连续性两种,离散型适用于联想记忆,连续

性适合处理优化问题?/p>

 

2

 

建模方法

 

Ͼλ">
Ͼλ
Ŀ

Hopfield求解TSP报告 - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

基于

Hopfield

技术的

 

TSP 

问题求解

 

1

 

Hopfield

原理综述?/p>

 

 

 

 

 

首先,网络结构上?/p>

Hopfield

神经网络是一种单层互相全连接的反馈型神经?/p>

络。每个神经元既是输入也是输出,网络中的每一个神经元都将自己的输出通过?/p>

接权传送给所有其它神经元,同时又都接收所有其它神经元传递过来的信息。即?/p>

网络中的神经元在

t

时刻的输出状态实际上间接地与自己

t-1

时刻的输出状态有关?/p>

?/p>

经元之间互连接,所以得到的权重矩阵将是对称矩阵?/p>

 

       

同时?/p>

Hopfield

神经网络成功引入能量函数的概念,使网络运行的稳定性判?/p>

有了可靠依据。基本的

Hopfield

神经网络是一个由非线性元件构成的全连接型单层

递归系统。其状态变化可以用差分方程来表示。递归型网络的一个重要特点就是它

具有稳定状态,

当网络达到稳定状态的时候,

也就是它的能量函数达到最小的时候?/p>

这里的能量函数不是物理意义上的能量函数,而是在表达形式上与物理意义上的能

量概念一致,即它表征网络状态的变化趋势,并可以依据

Hopfield

网络模型的工?/p>

运行规则不断地进行状态变化,最终能够到达具有某个极小值的目标函数。网络收

敛就是指能量函数达到极小值?/p>

 

      

在使用递归网络时,

必须对其稳定性进行专门的分析与讨论,

合理选择网络的参

数变化范围,才能确保递归网络的正常工作?/p>

 

Hopfield

神经网络模型有离散型和连续性两种,离散型适用于联想记忆,连续

性适合处理优化问题?/p>

 

2

 

建模方法

 



ļ׺.doc޸Ϊ.docĶ

  • ˽̰꼶ӢϲȫḴϰѧ(ƽѧԴ)
  • ɽصѧ2018߿ģ⿼()ѧ()(
  • 2018ָϰ ﷨յѵ10ƪ()(н) ѧ(11
  • 2018NB-IOTչ״гǰƷĿ¼
  • ƹ˾Ͷ깤ʵʩ
  • ߿ʷһָϰ 13.24ѧ֮ʻԾ˼ʱҵ
  • ִϵİ֮˾
  • CISҵ
  • ս2020߿һ㽭ѡģ() Word溬
  • ۾ѧϰ

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)