簡介
反饋網路(Recurrent Network),又稱自聯想記憶網路,其目的是為了設計一個網路,儲存一組平衡點,使得當給網路一組初始值時,網路通過自行運行而最終收斂到這個設計的平衡點上。
1982年,美國加州工學院物理學家霍普菲爾德(J.Hopfield)發表了一篇對人工神經網路研究頗有影響的論文。

1特性

反饋網路能夠表現出非線性動力學系統的動態特性。它所具有的主要特性為以下兩點:
第一、網路系統具有若干個穩定狀態。當網路從某一初始狀態開始運動,網路系統總可以收斂到某一個穩定的平衡狀態;
第二、系統穩定的平衡狀態可以通過設計網路的權值而被存儲到網路中。

2霍普菲爾德網路

霍普菲爾德網路是單層對稱全反饋網路,根據其激活函數的選取不同,可分:離散型的霍普菲爾德網路(Discrete Hopfield Neural Network,DHNN)和連續型的霍普菲爾德網路(Continuous Hopfield Neural Network,CHNN)。其中,DHNN採用符號函數作為激活函數,其輸入、輸出為{0,1}的反饋網路,主要用於聯想記憶;CHNN的激活函數的輸入與輸出之間的關係為連續可微的單調上升函數(如sigmod函數),主要用於優化計算。
上一篇[作家電影]    下一篇 [受傳者]

相關評論

同義詞:暫無同義詞