文档介绍：型Hopfield神经网络work——CHNN提出原理优点一、网络结构二、稳定性证明三、CHNN的几点结论连续型Hopfield神经网络work——CHNN连续型Hopfield网络结构及特点连续型Hopfield网络结构如右图所示,它是单层反馈非线性网络,每一个节点的输出均反馈至节点的输入。Hopfield网络用模拟电路实现的神经元节点如右图。图中电阻Rio和电容Ci并联,模拟生物神经元的延时特性,电阻Rij(j=1,2,…,n)模拟突触特征,偏置电流Ii相当于阈值,运算放大器模拟神经元的非线性饱和特性。设模型中放大器为理想放大器,其输入端无电流输入,则第i个放大器的输入方程为:ui:表示运算放大器i的输入电压vi:表示运算放大器i的输出电压连续型Hopfield动态神经网络模型如右图所示。取Wij=Wji,Wii=0(无自反馈)Hopfield神经网络中每个神经元都是由运算放大器及其相关的电路组成的,其中任意一个运算放大器i(或神经元i)都有两组输入:第一组是恒定的外部输入,用Ii表示,这相当于放大器的电流输入;第二组是来自其他运算放大器的反馈连接,如其中的另一任意运算放大器j(或神经元j),用wij表示,这相当于神经元i与神经元j之间的连接权值。设则有一般设则有式中f(x)为S形激励函数。一般有以下两种形式:非对称型Sigmoid函数对称型Sigmoid函数连续型Hopfield神经网络稳定性分析能量函数的定义求取其中: