简介

特性

霍普菲尔德网络

简介

反馈网络(Recurrent Network)，又称自联想记忆网络，其目的是为了设计一个网络，储存一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到这个设计的平衡点上。

1982年，美国加州工学院物理学家霍普菲尔德(J．Hopfield)发表了一篇对人工神经网络研究颇有影响的论文。

特性

反馈网络能够表现出非线性动力学系统的动态特性。它所具有的主要特性为以下两点：

第一、网络系统具有若干个稳定状态。当网络从某一初始状态开始运动，网络系统总可以收敛到某一个稳定的平衡状态；

第二、系统稳定的平衡状态可以通过设计网络的权值而被存储到网络中。

霍普菲尔德网络

霍普菲尔德网络是单层对称全反馈网络，根据其激活函数的选取不同，可分:离散型的霍普菲尔德网络(Discrete Hopfield Neural Network,DHNN)和连续型的霍普菲尔德网络(Continuous Hopfield Neural Network,CHNN)。其中，DHNN的激活函数为二值型的，其输入、输出为{0，1}的反馈网络，主要用于联想记忆；CHNN的激活函数的输入与输出之间的关系为连续可微的单调上升函数，主要用于优化计算。