首页科技 › 【亚博APP手机版】人工智能之Hopfield神经网络(HNN)

【亚博APP手机版】人工智能之Hopfield神经网络(HNN)

本文摘要:神经网络在1980时代盛行归功于科学家罗伯特·霍普菲尔德(Hopfield)。

亚博官方网站

神经网络在1980时代盛行归功于科学家罗伯特·霍普菲尔德(Hopfield)。1982年,霍普菲尔德明确指出了一种新的神经网络,能够解决困难诸多类计算机视觉难题,还能够得到一类人组优化问题的近似于打法。这类神经网络实体模型后称之为Hopfield神经网络。

Hopfield神经网络是一种循环系统神经网络[要求查看微信公众号“高新科技提升日常生活”之人工智能技术(23)],由约翰·霍普菲尔德发明人,他将物理的涉及到观念(动力学模型)引入到神经网络的构造中,进而组成了Hopfield神经网络。贝尔实验室在80年代成功在Hopfield神经网络的基本上研制开发出了神经网络处理芯片。

Hopfield神经网络是一种迭代更新神经网络,从键入到輸出皆有系统对相接,每一个神经元跟全部别的神经元相连接,又被称为作仅有互连网络。Hopfield神经网络论述:Hopfield神经网络HNN(HopfiledNeuralNetwork)是一种结合分布式存储和二元系统软件的神经网络。

它保证 了向部分超过的散发,但散发到不正确的部分极小值(localminimum),并非全局性超过(globalminimum)的状况也是有很有可能再次出现。Hopfield神经网络也获得了模拟仿真人们记忆的实体模型。

Hopfield神经网络是系统对神经网络,其键入尾端又不容易系统对到其輸出尾端,在輸出的鼓励下,其键入不容易造成极大地情况转变,这一系统对全过程不容易依然反复进行。倘若Hopfield神经网络是一个散发的稳定网络,则这一系统对与递归的推算出来过程中所造成的转变更为小,一旦超出了稳定的平衡状态,Hopfield网络就不容易键入一个稳定的恒值。针对一个Hopfield神经网络而言,关键所在确定它在稳定标准下的权指数。

Hopfield神经网络分为二种:1)线性型Hopfield神经网络;2)连续型Hopfield神经网络。线性型Hopfield神经网络:Hopfield最开始明确指出的网络是二值神经网络,各神经元的激励函数为阶跃函数或双极大值涵数,神经元的輸出、键入只留{0,1}或是{-1,1},因此 也称之为线性型Hopfield神经网络DHNN(DiscreteHopfiledNeuralNetwork)。在DHNN中,所应用的神经元是二值神经元;因而,所键入的线形值1和0或是1和-一分别答复神经元正处在激活状态和诱发情况。

线形Hopfield神经网络DHNN是一个单面网络,有n个神经元连接点,每一个神经元的键入皆接到其他神经元的輸出。各连接点没自系统对。每一个连接点都可以正处在一种有可能的情况(1或-1),即当该神经元遭受的性兴奋高达其阈值时,神经元就正处在一种情况(例如1),不然神经元就一直正处在另一情况(例如-1)。DHNN有二种工作方式:1)串行通信(多线程)方法:在時刻t时,仅有某一个神经元j的情况产生变化,而别的n-一个神经元的情况稳定,称之为串行通信工作方式。

而且有:2)分段(即时)方法:在任一時刻t,全部的神经元的情况都造成了转变,称之为分段工作方式。而且有:DHNN可靠性:假定一个DHNN,其情况为Y(t):假如针对一切Δt0,当神经网络从t=0刚开始,有最初的状态Y(0)。历经受到限制時刻t,有:Y(t Δt)=Y(t)则强调该DHNN网络是稳定的,称作其情况为平稳情况。

亚博官方网站

DHNN网络的平稳情况X便是网络的更有子(attractor),作为储存记忆信息内容。串行通信方法下的可靠性称之为串行通信可靠性;分段方法下的可靠性称之为分段可靠性。DHNN是一种多輸出、所含阀值的二值离散系统动态性系统软件。

在动态性系统软件中,平衡平稳情况能够讲解为系统软件某类方式的动能涵数(energyfunction)在系统软件经营全过程中,其动能大大增加,最终正处在极小值。DHNN稳定的充要条件:假如DHNN的权系数矩阵W是一个平面图引流矩阵,而且直线原素为0,则这一网络是稳定的。即在权系数矩阵W中,假如:则该DHNN是稳定的。W是一个平面图引流矩阵仅有是充要条件,并不是必备条件。

DHNN误解记忆作用:DHNN一个最重要作用是能够作为误解记忆,即误解储存器,它是人们的智能化特性之一。要搭建误解记忆,DHNN必不可少具有2个基础标准:1)网络能散发到稳定的平衡状态,并且以其做为样版的记忆信息内容;2)具有回忆工作能力,必须从某一上缺的信息内容想起隶属的初始的记忆信息内容。

DHNN搭建误解记忆全过程分为两个阶段:1)通过自学记忆环节:设计师根据某一设计方法确定一组合适的权重值,使DHNN记忆期待的稳定均衡点。2)误解回忆环节:DHNN的工作中全过程。记忆是分布式系统的,而误解是动态性的。针对DHNN,因为网络情况是受到限制的,不有可能经常会出现浑沌情况。

DHNN局限:1)记忆容积的制约性;2)伪稳定点的误解与记忆;3)当记忆样版较类似时,网络没法一直回想出有精确的记忆等;4)DHNN平衡稳定点不能给出设定,也没一个规范化的方法来事先告知平衡稳定点。连续型Hopfield神经网络:到数Hopfield神经网络CHNN(ContinuousHopfieldNeuralNetwork)与DHNN在流形构造上是完全一致的。CHNN可靠性:CHNN稳定标准回绝:CHNN与DHNN不同点取决于其涵数g并不是阶跃函数,只是S型的连续函数。

亚博app下载安装

一般所取:CHNN在時间上是到数的,因此 CHNN网络中每个神经元是正处在即时方法工作中的。当CHNN网络的神经元传递函数g是到数且有限的(如Sigmoid涵数),而且CHNN网络的权重值系数矩阵平面图,则这一CHNN网络是稳定的。

优化问题:在具体运用于中的系统软件,假如其优化问题可以用动能涵数E(t)做为目标函数,那麼CHNN网络和优化问题必需相匹配。那样,很多优化问题都能够用CHNN网络来打法。这也是Hopfield网络作为神经计算的基础缘故。CHNN与DHNN关键差别:CHNN与DHNN的关键差别取决于:CHNN神经元基因表达涵数用以Sigmoid涵数,而DHNN神经元基因表达涵数用以了软无穷大涵数。

Hopfield神经网络运用:Hopfield神经网络初期运用于还包含按內容传输速度储存器,AD转换及合理配置推算出来等。具有意味着实际意义的是解决困难TSP问题,1985年Hopfield和Tank用Hopfield网络打法N=30的TSP问题,进而开创了神经网络提升的有效途径。

此外,Hopfield神经网络在人工智能技术之深度学习、误解记忆、计算机视觉、提升推算出来、VLSI和光学仪器的分段搭建等层面具备广泛运用。总结:Hopfield神经网络(HNN)是一种具有循环系统、迭代更新特点,结合储存和二元系统软件的神经网络。由约翰·霍普菲尔德在1982年发明人。针对一个Hopfield神经网络而言,关键所在确定它在稳定标准下的权指数。

Hopfield神经网络分为线性型和连续型二种,关键差别取决于基因表达涵数的各有不同。Hopfield神经网络(HNN)获得了模拟仿真人们记忆的实体模型。

它在人工智能技术之深度学习、误解记忆、计算机视觉、提升推算出来、VLSI和光学仪器的分段搭建等层面具备广泛运用。

本文关键词:亚博APP手机版,亚博官方网站,亚博app下载安装

本文来源:亚博APP手机版-www.ptlaodong.com

转载本站文章请注明出处:亚博APP手机版_官方网站 http://www.ptlaodong.com/?p=698

上一篇:

下一篇:

相关文章