Location:
Search - hopfield t
Search list
Description: 考虑3个神经元的hopfield网络，每个神经元有一个阀值和一个权重，定义存储在网络中的目标平衡点中为矩阵T的两个三指定存储在网络中的目标平衡点
Platform: |
Size: 974 |
Author: pannewstar |
Hits:
Description: Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神经元总数 f（）--Sgn（） θi—神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network -- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. More difficult, it is not an arbitrary form of adaptation memory model of effective, common design methods. H network algorithm 1) mode of learning -- decision weights want memory model, with 1 and 2 of the value of a model, said : -1, 1, 1, 1 ,1,1, ... in general : two were arbitrary neuron j i weights between : wij ap = (i) ap (j), p = 1 ... p; P : The tot
Platform: |
Size: 11421 |
Author: 韵子 |
Hits:
Description: Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神经元总数 f（）--Sgn（） θi—神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. More difficult, it is not an arbitrary form of adaptation memory model of effective, common design methods. H network algorithm 1) mode of learning-- decision weights want memory model, with 1 and 2 of the value of a model, said :-1, 1, 1, 1 ,1,1, ... in general : two were arbitrary neuron j i weights between : wij ap = (i) ap (j), p = 1 ... p; P : The tot
Platform: |
Size: 11264 |
Author: 韵子 |
Hits:
Description: 商务旅行问题TSP用Hopfield人工神经网络实现-Business Travel TSP problem with Hopfield artificial neural network
Platform: |
Size: 62464 |
Author: 薛峰 |
Hits:
Description: 考虑3个神经元的hopfield网络，每个神经元有一个阀值和一个权重，定义存储在网络中的目标平衡点中为矩阵T的两个三指定存储在网络中的目标平衡点 -Consider three neurons hopfield network, each neuron has a threshold and a weight, the definition is stored in the network, the goal of equilibrium point for the matrix T of the two three-designated storage in the network
Platform: |
Size: 1024 |
Author: pannewstar |
Hits:
Description: 演示Hopfield网络，具有两个稳定平衡点，其期望向量T如下。-Demo Hopfield network with two stable equilibrium point, the expectation vector T as follows.
Platform: |
Size: 1024 |
Author: 陈瑶 |
Hits: