-
Hopfield神經網絡
鎖定
Hopfield神經網絡是一種遞歸神經網絡,由約翰·霍普菲爾德在1982年發明。
- 中文名
- 浩斯菲爾德網絡
- 外文名
- hopfield神經網絡
- 發明人
- 約翰·霍普菲爾德
- 發明時間
- 1982年
- 屬 性
- 遞歸神經網絡
Hopfield神經網絡簡介
Hopfield神經網絡是一種遞歸神經網絡,由約翰·霍普菲爾德在1982年發明。Hopfield網絡是一種結合存儲系統和二元系統的神經網絡。它保證了向局部極小的收斂,但收斂到錯誤的局部極小值(local minimum),而非全局極小(global minimum)的情況也可能發生。Hopfield網絡也提供了模擬人類記憶的模型。
離散Hopfield網絡是一個單層網絡,有n個神經元節點,每個神經元的輸出均接到其它神經元的輸入。各節點沒有自反饋。每個節點都可處於一種可能的狀態(1或-1),即當該神經元所受的刺激超過其閥值時,神經元就處於一種狀態(比如1),否則神經元就始終處於另一狀態(比如 -1)。 整個網絡有兩種工作方式:即異步方式和同步方式。
Hopfield神經網絡構造
Hopfield網絡的單元是二元的(binary),即這些單元只能接受兩個不同的值,並且值取決於輸入的大小是否達到閾值。Hopfield網絡通常接受值為-1或1,也可以是0或者1。輸入是由sigmoid函數處理得到的。 sigmoid函數定義為:
[1]
用於將輸入化簡為兩個極值。
每一對Hopfiled網絡的單元i和j間都有一對以一定權重(weight)的連接{\displaystyle w_{ij}}。因此,Hopfiled網絡可被描述為一個完整的無向圖G=<V,f>,其中V是人工神經元集合。
Hopfiled網絡的連接有以下特徵:
權重對稱的要求是一個重要特徵,因為它保證了能量方程(稱向函數某一點收斂的過程為勢能轉化為能量)在神經元激活時單調遞減,而不對稱的權重可能導致週期性的遞增或者噪聲。然而,Hopfiled網絡也證明噪聲過程會被侷限在很小的範圍,並且並不影響網絡的最終性能。
Hopfield神經網絡應用
聯想記憶功能是離散Hopfield網絡的一個重要應用範圍。要想實現聯想記憶,反饋網絡必須具有兩個基本條件:
① 網絡能收斂到穩定的平衡狀態,並以其作為樣本的記憶信息;
② 具有回憶能力,能夠從某一殘缺的信息回憶起所屬的完整的記憶信息。 離散Hopfield網絡實現聯想記憶的過程分為兩個階段:學習記憶階段和聯想回憶階段。在學習記憶階段中,設計者通過某一設計方法確定一組合適的權值,使網絡記憶期望的穩定平衡點。聯想回憶階段則是網絡的工作過程。
離散Hopfield網絡用於聯想記憶有兩個突出的特點:即記憶是分佈式的,而聯想是動態的。 離散Hopfield網絡侷限性,主要表現在以下幾點:
① 記憶容量的有限性;
② 偽穩定點的聯想與記憶;
③ 當記憶樣本較接近時,網絡不能始終回憶出正確的記憶等。另外網絡的平衡穩定點並不可以任意設置的,也沒有一個通用的方式來事先知道平衡穩定點。
Hopfield神經網絡參見
- 玻爾茲曼機– 像一個Hopfield網絡,可採用退火吉布斯抽樣代替梯度下降