人工神经网络学习笔记_Hopfield网络_递归网络

    工作原理:利用输入向量对网络中的神经元进行初始化,然后网络不断迭代直至收敛。如果网络运行正常,最终的输出结果是一个标准向量。

    区别:Hamming网络是用取值不为0的神经元表明选择哪个标准模式,而Hopfield网络则生成一个标准模式作为其输出。

    参数确定:和Hamming网络相比,Hopfield网络的权值矩阵和偏置向量的设置要比Hamming网络复杂的多。

1, 如何确定Hopfield网络的权值矩阵和偏置向量?

2,如何知道Hopfield网络最终是否会收敛?


参考资料:

《神经网络设计》,机械工业出版社

你可能感兴趣的:(人工神经网络学习笔记_Hopfield网络_递归网络)