神经网络课程实验三hopfield网络(Matlab)

实验三 Hopfield 网络学习算法的简单应用1．不同印刷版本数字8的识别实验目的加深对Hopfield 网络学习算法的理解通过实验了解Hopfield学习算法的工作原理通过上机实验掌握具体的实现方

Hopfield 实验三网络学习算法的简单应用 18 ．不同印刷版本数字的识别 一． 实验目的 1. Hopfield 加深对网络学习算法的理解 2. Hopfield 通过实验了解学习算法的工作原理 3. 通过上机实验掌握具体的实现方法 二． 实验原理 Hopfield 网络 Hopfield 网络是一种具有全互联结构的递归神经网络，其具有反馈机制的非 线性动力学系统，反映了生物神经系统结构的复杂性。 DHNNCHNN 该网络一般分为离散型（）和连续型（）两种，其标准的网络 :.ij 能量函数可以表示为式中：是神经元和神经元 iij 的连接权值；是神经元的输入阈值；和分别是神经元和神经元的输 出值。 在满足一定条件下，能量函数的能量在网络运行过程中不断减小，最后趋于 Hopfield 稳定的平衡状态。网络自提出以来，已成功应用于多个方面。 网络的定义 nHopfield 一个阶的网络是一个五元组： 其中： n () DHN 1GF ）：规定拓扑结构的扩展模糊图： NGNinNEG ()={()1}()= 其中，是非空神经元集合，每一个神经元附有阈值； FiiiiF i,jnNNAGwwNN {e1}e()=() 是边的集合，是的边；是联系矩阵，是的联 ijijijFijnnijij 系效率。 IFNG 2() ）：输入域。 F OFNG 3() ）：输出域。 F T WAotNttototot o 4(){-1,1}()=((),(),…,()) ）：工作算法，令为在时刻的状态，为 iin 12 NGtt= ()(0,1,2,…) 在时刻的状态向量，则： F nI nO 11 nnnnIFOF oo {-1,1}(){-1,1}() 其中，和分别为和的状态向量。 I IO O OA 5) ：自组织算法 HopfieldIF=OF=N(GF)oI=oO=o 对网络而言，一般情况下，，即：。 实际上，给定神经元的阈值和神经元之间的联系效率即可唯一地确定一个 严 格 执 行 现 金 管 理 制 度 和 现 金 使 用 范 围 ， 遵 守 银 行 结 算 制 度 ， 现 金 银 行 存 款 按 时 间 顺 序 逐 笔 登 记 ， 每 日 结 出 余 额 现 金 当 日 核 对 ， 银 行 存 款 月 终 必 须 与 银 行 核 对 ， 做 到 日 清 月 结 。