文档介绍：目录
摘要 1
Abstract 1
第1章绪论 1
第2章基础理论 1
生物原型 1
人体神经结构 1
神经组织 1
模拟神经网络简介 1
神经元的信息传递 1
神经元、突触的D/A、A/D特性 1
人工神经网络简介 1
神经元的数学模型 1
Hopfield模型 1
第3章 Hopfield网络求解货物运输 1
货物运输的问题 1
用Hopfield网络模拟计算这个问题 1
Hopfield网络中的能量函数E 1
用Hopfield网络模拟计算流程图 1
模拟计算过程 1
小结 1
第4章总结 1
附录 1
致谢 1
参考文献 1
摘要
80年代中后期以后,人工神经网络研究曾有重大进展,取的不少成果。近年来在这方面的热情有所下降。但深入探讨这种变化的原因,寻求解决问题的方向和办法是有益的。提出感知器模型,把人工神经网络研究从理论探索推到工程实践。但是这种感知器功能有限,又缺乏有效算法,因而有关的研究工作未能持久。70~80年代,Werbos和Rumelhart等先后提出逆推算法;在给定网络结构和激励函数条件下,根据一定要求,从后向前修正各神经元之间的连接权值,解决了多层前向网络的学习问题,促进了ANN的理论研究和各方面的应用,把研究推倒另一高潮。但问题和困难也不断出现,如学习速度慢不易获得全局最佳网络复杂度与泛化能力的矛盾等。
目前的人工神经网络的模型,只是生物神经系统一种高度简化的近似,局限性很大。这种模型中各神经元的连接权值和激励函数是两个重要因数。前者可以按照任务要求,在学习过程中加以调整,后者在事先选定后保持不变。显然这种网络结构与生物神经系统有相当大的差别。因其性能也有很大的限制,对某些问题甚至无能为力;很难解决。本文重要讨论Hopfield神经网络系统。
本论文通过对Hopfield网络的深入了解并模拟,从而很好的掌握神经网络系统。文章通过构造特定函数和采用迭代微分不等式的分析技巧,研究了连续的Hopfield神经网络的稳定性。
关键字:能量函数,网络稳定
Abstract
After the mid-or late-1980s, the artificial work studied once there was great progress, many achievements fetched. The enthusiasm in this respect drops to some extent in recent years. But probe into the reason of this kind of change thoroughly, direction and method of seeking to solve the problem are beneficial . The end of the fifties F. Rosenblatt propose model of perceiving etc., is it push artificial work from theory study to project practise to study. But this kind of esthesia device function is limited, lack the effective algorithm again, therefore relevant research work fail to last. In 700 times, Werbos and Rumelhart wait and essively propose going against and calculating the law (PB); Under work structure and encouraging function terms, according to requiring, from after revise by connection right value between every neuron forward,before it is multi-layer to be solve problem concerning study work, promote theoretical research and of various fields application of ANN , push over studying an