返回主题:神经网络基础单元与训练

知识卡片

普通读书笔记卡 · 3788.g

Hopfield反馈存取

理解等级:初级

Hopfield 网络是一类带反馈连接的神经网络,可把状态演化用于信息存储与提取。离散型和连续型的区别涉及神经元状态或激活形式;本节只给出发展线索和结构图,未展开能量函数、更新顺序或收敛条件。理解后续算法时,应先核对具体变体,再判断它怎样保存模式和到达稳定状态。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 1 9 . 1 . 2 神 经 网 络 算 法 发 展 历 程 · 查看原书依据

      1984年,Hopfield又提出了一种连续神经网络,将网络中神经元的激活函数由离散型改为连续型。Hopfield的模型不仅对神经网络算法信息存储和提取功能进行了非线性数学概括,提出了动力方程和学习方程,还为网络算法提供了重要公式和参数,使神经网络算法的构造和学习有了理论指导,在Hopfield模型的影响下,大量学者又激发起研究神经网络的热情,积极投身于这一学术领域中。

    参考来源

    - 位置:《智能算法导论》第 180 项《1 9 . 1 . 2 神 经 网 络 算 法 发 展 历 程》(源文件:`_epub-src/EPUB/xhtml/chapter19_0003.xhtml`) - 结论依据:正文区分离散和连续 Hopfield 网络,说明激活函数形式变化及信息存储、提取用途;图 19.4 展示有反馈的网络连接。本节没有给出能量函数或证明。 - 原始内容:Hopfield提出了一种离散神经网络,即离散Hopfield网络……又提出了一种连续神经网络,将网络中神经元的激活函数由离散型改为连续型。Hopfield的模型不仅对神经网络算法信息存储和提取功能进行了非线性数学概括。