文档介绍：*人工神经网络(work)张凯副教授武汉科技大学计算机学院*,从学****的观点上看,它们是强有力的学****系统,结构简单,易于编程。从系统的观点看,它们属于一种静态的非线性映射,通过简单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,但它们因缺乏反馈,所以并不是一个强有力的动力学系统。**研究背景Hopfield网络是神经网络发展历史上的一个重要的里程碑。,是一种单层反馈神经网络。**研究背景Hopfield模型属于反馈型神经网络,从计算的角度上讲,它具有很强的计算能力。这样的系统着重关心的是系统的稳定性问题。稳定性是这类具有联想记忆功能神经网络模型的核心,学****记忆的过程就是系统向稳定状态发展的过程。Hopfield网络可用于解决联想记忆和约束优化问题的求解。**研究背景反馈型神经网络作为非线性动力学系统,可表现出丰富多样的动态特性,如稳定性、极限环、奇怪吸引子(混沌)等。这些特性是神经网络引起研究人员极大兴趣的原因之一。研究表明,由简单非线性神经元互连而成的反馈动力学神经网络系统具有两个重要特征:,如果从某一个初始状态开始运动,系统总可以进入其中某一个稳定状态;。研究背景Hopfield神经网络设计与应用的关键是对其动力学特性的正确理解:网络的稳定性是其重要性质,而能量函数是判定网络稳定性的基本概念。Hopfield神经网络Hopfield网络分为离散型和连续型两种网络模型,分别记作DHNN(work)和CHNN(work)。****网络模型表示法一离散Hopfield神经网络结构图……12(状态)(阈值)(连接权值)离散Hopfield神经网络