MATLAB神经网络编程（九）——Hopfield网络

最新推荐文章于 2025-06-23 10:24:50 发布

原创

最新推荐文章于 2025-06-23 10:24:50 发布 · 1.5w 阅读

55 ·

CC 4.0 BY-SA版权

文章标签：

#反馈神经网络 #Hopfield网络 #Matlab

本文介绍了MATLAB中的Hopfield网络，包括离散和连续两种类型。Hopfield网络是一种反馈神经网络，用于联想记忆。离散Hopfield网络通过串行或并行方式更新状态，稳定条件为权系数矩阵对称。连续Hopfield网络使用Sigmoid函数，同样要求权系数矩阵对称以确保稳定性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《MATLAB神经网络编程》化学工业出版社读书笔记
第六章反馈型神经网络 6.1 Hopfield网络

本文是《MATLAB神经网络编程》书籍的阅读笔记，其中涉及的源码、公式、原理都来自此书，若有不理解之处请参阅原书

前馈神经网络与反馈神经网络

根据神经网络运行过程中的信息流向，可将神经网络分为前馈式和反馈式两种基本类型。前馈网络即通过引入隐层以及非线性转移函数，网络具有复杂的非线性映射能力。但前馈网络的输出仅仅由当前输入和权值矩阵决定，而与网络先前的输出状态无关。
在前馈网络中，不论是离散型还是连续型，一般均不考虑输出与输入之间在时间上的滞后性，而只表达两者之间的映射关系。但在Hopfield网络中，考虑了输出与输入之间延迟因素，因此，需要用微分方程或者差分方程来描述网络的动态数学模型。

神经网络的学习方式有3种类型其中，有导师学习方式（有监督学习）和无导师学习（无监督学习）方式在前面章节均有涉及。第三类学习方式是“灌输式”，即网络的权值不是经过反复学习获得的，而是按照一定规则事先计算出来的。Hopfield神经网络就是采用了这种学习方式，其权值一经确定就不在改变，而网络中各个神经元的状态在运行过程中不断更新，网络由演变到稳定时各神经元的状态是问题之解。

本章主要介绍的就是反馈型神经网络，也称为递归网络或者回归网络。与前面学习过的感知器、线性神经网络、或径向神经外等前向型神经网络不同在于，反馈神经网络的输入包含有延迟的输入或者输出数据的反馈。由于是有反馈的输入，所以它是一种反馈动力学习系统。这种系统的学习过程就是他的神经元状态的变化过程，这个过程最终会达到一个神经元状态不变的稳定态，同时标志着学习过程结束。反馈神经网络的这种动态学习特性，主要由网络的反馈形式决定。反馈网络的反馈形式是比较多样化的，有输入延迟的、单层输出反馈的、神经网络自反馈的、两层之间互相反馈等。