文件名称:hopfild1

介绍说明--下载内容均来自于网络,请自行研究使用

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
(系统自动生成,下载前可以参看下载内容)

下载文件列表

hopfild1

........\hopfild1.vbp

........\hopfild1.vbw

........\login.frm

........\Module1.bas

........\prepare.frm

........\process.frm

........\process.log

........\run.frm

........\test.frm

........\工程1.vbw

........\新建 文本文档.txt

........\组1.vbg

相关说明

  • 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
  • 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度更多...
  • 请直接用浏览器下载本站内容,不要使用迅雷之类的下载软件,用WinRAR最新版进行解压.
  • 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
  • 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
  • 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.

相关评论

暂无评论内容.

发表评论

*主  题:
*内  容:
*验 证 码:

源码中国 www.ymcn.org