【神经优化计算的Hopfield网络模型研究】闫建平.pdf
神经优化计算的Hopfield网络模型研究 目录 综述摘要.第一章维单位超立方体上的凹二次规划 第一节约束最优化概论.第二节最优性条件.第二章Hopfield网络模型讨论 第一节 引言.第二节 离散Hopfield网络模型讨论第三节 连续Hopfield网络模型讨论.第四节 Hopfield方法与Liapunov方法 间的对偶关系
图二(a)6(x) 个 图二(b)早期的神经网络棋型中神经元之间的互连结构形态主要为不含反 馈的所谓前向网络,神经元分层排列,组成输入层、隐含层(又可有 若千层)、输出层,每一层的神经元只接受前一层神经元的输入,输 入信号(或输入模式,输入值)经各层顺次变换后,最后得到网络的 输出.前向网络的输入一输出关系可看作一多维非线性映别,它是通过 简单非线性映射(一个神经元的非线性特性显然是很简单的)的多次 复合来买现复杂非线性映射的.通过反传(BP)算法调整连续权值,前 向网络可实现映射逼近或映射表示,应用领城有模式识别、自适应控 制、人工智能、信号处理等.1982年,J.J.
CHNN模型可描述为:设网络为n阶的,W=(w)nxn,I=(i,,i)的意义如DHNN,但仅仅假设W为对称的,神经元i在时刻t的输入设为u,输出设为 v,输入-输出特性设为v,二g(u),g(x)为s型,单调增加,渐近 值为v和v的连续实函数,如图二(b)所示.本文恒设v=0,v=1.V(t)的意义如DHNN.任给网络一初态V(O)=(v(O),v。),0=v