第2章神经网络2联想记忆1(n)

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 ...