电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

第2章神经网络2联想记忆1(n)

第2章神经网络2联想记忆1(n)_第1页
1/17
第2章神经网络2联想记忆1(n)_第2页
2/17
第2章神经网络2联想记忆1(n)_第3页
3/17
2 5 第二章 Hopfield联想记忆神经网络....................................................................................................2 6 2.1 简单线性联想网络(LAM) ........................................................................................................2 6 2.2 Hopfield联想记忆模型 .........................................................................................................2 7 2.3 利用外积和的双极性 Hopfield网络.......................................................................................2 8 2.4 Hopfield网络的存储容量 .....................................................................................................3 0 2.5 Hopfield网络的收敛性 .........................................................................................................3 2 2.6 二次优化问题的 Hopfield网络解法......................................................................................3 6 2.7 双向联想记忆(BAM)网络 ......................................................................................................3 7 2 6 第二章 Hopfield联想记忆神经网络 Hopfield网络的神经单元是全连接的,即每两个单元都通过权值连接在一起。它的学习过程是一次完成的,而工作过程则是模拟人的联想记忆,通过反复迭代来完成。Hopfield网络除了具有联想记忆功能外,还能解决二次优化问题。 2.1 简单线性联想网络(LAM) 给定 J 个输入样本向量NJR,,1 及相应的理想输出样本向量MJR,,1 ,组成输入 及 理 想 输 出 矩 阵JNJX),,(1和JMJY),,(1。 所 谓 线 性 联 想 (Linear Associative Memory, LAM), 即试图构造NM 矩阵W 使得 WXY  (2 .1 .1 ) 当然,一般来说,使(2 .1 .1 )成立的 W 可能并不存在,或者难于直接求得。 因此,我们希望能给出尽可能简单(W 易于求得)而又有效(即线性联想误差YWX 尽可能小)的选取权矩阵W 的方法。依据X 和Y 选定W 以后,对NR中任一向量 x ,定义其线性联想为 Wxy  (2 .1 .2 ) XY 的情形,称为自联想;而XY 时,称为异联想。 选取W 的一个简单办法是令 ...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

第2章神经网络2联想记忆1(n)

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部