Hopfield神经网络

1、前向型前馈NN，是一种静态神经网络，具有较强的学习能力，结构简单易于编程。从系统的角度上看，属于静态的非线性映射，通过简单的非线性处理单元的复合映射可获得复杂的非线性处理能力，但没有反馈能力，并不是强有力的动力学系统。这样的神经网络有BP、RBF

2、Hopfield神经网络是反馈型的，具有联想记忆能力。

联想记忆：网络输入某个矢量后，经过反馈演化，从网络输出端得到另外一个矢量，这样输出矢量就称为网络从初始输入矢量联想得到的一个稳定记忆，即网络的平衡点。

3、Hopfield分有两种，一种是离散型（输出的值只有两种0和1）：联想记忆，另外一种是连续型：约束优化问题

4、Hopfield需要关注的问题，作为一个动力学系统需要考虑的是稳定性、同时反馈网络的延时问题（模拟生物神经网络处理）。