层对称全反馈网络,根据其激活函数的选取不同,可分为离散型的霍普菲尔德网络( Discrete Hopfield Neural Network,简称DHNN和连续型的霍普菲尔德网络( Continuous Hopfield Neural Network,简称CHNN)。DHNN的激活函数为二值型的,其输入、输出为{0,1}的反 馈网络,主要用于联想记忆。CHNN的激活函数的输入与输出之间的关系为连续可微的单 调上升函数,主要用于优化计算 霍普菲尔德网络已经成功地应用于多种场合,现在仍常有新的应用的报道。具体的应用 方向主要集中在以下方面:图像处理、语声处理、信号处理、数据査询、容错计算、模式分 类、模式识别等。 7.1霍普菲尔德网络模型 反馈网络的网络结构如图7.1所示。 P2 图7.1反馈网络结构图 该网络为单层全反馈网络,其中的每个神经元的输出都是与其他神经元的输入相连的 所以其输入数目与输出层神经元的数目是相等的,有r 在反馈网络中,如果其激活函数f(·)是一个二值型的硬函数,如图7.2所示,即a sgn(m),i=,2,…r,则称此网络为离散型反馈网络,如果a=f(n)中的f(·)为一个连续单调 上升的有界函数,这类网络被称为连续型反馈网络,图7.3中所示为一个具有饱和线性激 活函数,它满足连续单调上升的有界函数的条件,常作为连续型的激活函数。 22 层对称全反馈网络，根据其激活函数的选取不同，可分为离散型的霍普菲尔德网络(Discrete Hopfield Neural Network，简称 DHNN)和连续型的霍普菲尔德网络(Continuous Hopfield Neural Network，简称 CHNN)。DHNN 的激活函数为二值型的，其输入、输出为{0，1}的反 馈网络，主要用于联想记忆。CHNN 的激活函数的输入与输出之间的关系为连续可微的单 调上升函数，主要用于优化计算。 霍普菲尔德网络已经成功地应用于多种场合，现在仍常有新的应用的报道。具体的应用 方向主要集中在以下方面：图像处理、语声处理、信号处理、数据查询、容错计算、模式分 类、模式识别等。 7．1 霍普菲尔德网络模型 反馈网络的网络结构如图 7．1 所示。 图 7．1 反馈网络结构图 该网络为单层全反馈网络，其中的每个神经元的输出都是与其他神经元的输入相连的。 所以其输入数目与输出层神经元的数目是相等的，有 r＝s。 在反馈网络中，如果其激活函数 f(·)是一个二值型的硬函数，如图 7．2 所示，即 ai＝ sgn(ni)，i＝l, 2, … r，则称此网络为离散型反馈网络，如果 ai=f(ni)中的 f(·)为一个连续单调 上升的有界函数，这类网络被称为连续型反馈网络，图 7．3 中所示为一个具有饱和线性激 活函数，它满足连续单调上升的有界函数的条件，常作为连续型的激活函数