Hopfield神经网络的应用

Hopfield神经网络在联想记忆中的应用

如何实现HNN的联想记忆功能?
网络能够通过联想来输出和输入模式最为相似的样本模式。
Hopfield神经网络的应用_第1张图片
传感器输出:[外形,质地,重量]T
Hopfield神经网络的应用_第2张图片
在这里插入图片描述
在这里插入图片描述
样本:
在这里插入图片描述
在这里插入图片描述
具体怎样实现联想记忆?
步骤:
(1)设计DHNN结构
(2)设计连接权矩阵
(3)测试

(1)设计DHNN结构

Hopfield神经网络的应用_第3张图片

( 2)设计连接权矩阵

Hopfield神经网络的应用_第4张图片
Hopfield神经网络的应用_第5张图片
Hopfield神经网络的应用_第6张图片

(3)测试

Hopfield神经网络的应用_第7张图片
Hopfield神经网络的应用_第8张图片
Hopfield神经网络的应用_第9张图片
Hopfield神经网络的应用_第10张图片
Hopfield神经网络的应用_第11张图片
Hopfield神经网络的应用_第12张图片
Hopfield神经网络的应用_第13张图片

Hopfield神经网络优化方法

1985年,霍普菲尔德和塔克(D. W. Tank)应用连续Hopfield 神经网络求解旅行商问题(traveling salesman problem,TSP)获得成功。
连续Hopfiled神经网络求解约束优化问题的基本思路:
Hopfield神经网络的应用_第14张图片

用神经网络方法求解优化问题的一般步骤:

(1)将优化问题的每一个可行解用换位矩阵表示。
(2)将换位矩阵与由 n 个神经元构成的神经网络相对应:每一个可行解的换位矩阵的各元素与相应的神经元稳态输出相对应。
(3)构造能量函数,使其最小值对应于优化问题的最优解,并满足约束条件。
(4)用罚函数法构造目标函数,与Hopfield神经网络的计算能量函数表达式相等,确定各连接权和偏置参数。
(5)给定网络初始状态和网络参数等,使网络按动态方程运行,直到稳定状态,并将它解释为优化问题的解。
应用举例: Hopfield神经网络优化方法求解TSP。
1985年,霍普菲尔德和塔克(D. W. Tank)应用连续Hopfield 神经网络求解旅行商问题获得成功。
旅行商问题(traveling salesman problem,TSP) :有 n 个城市,城市间的距离或旅行成本已知,求合理的路线使每个城市都访问一次,且总路径(或者总成本)为最短。
Hopfield神经网络的应用_第15张图片
Hopfield神经网络的应用_第16张图片
Hopfield神经网络的应用_第17张图片
Hopfield神经网络的应用_第18张图片
选择合适的A、B、C、D和网络的初始状态,按网络动态方程演化直到收敛。
Hopfield神经网络的应用_第19张图片
Hopfield神经网络的应用_第20张图片

神经网络优化计算目前存在的问题:

(1)解的不稳定性。
(2)参数难以确定。
(3)能量函数存在大量局部极小值,难以保证最优解。
欢迎大家加我微信交流讨论(请备注csdn上添加)
Hopfield神经网络的应用_第21张图片

你可能感兴趣的:(努力学习人工智能,人工智能)