离散型Hopfield神经网络
J. J. Hopfield
离散Hopfield神经网络模型
网络结构:
离散Hopfield神经网络模型输入输出关系:
网络的稳定性
稳定性定义:
若从某一时刻开始,网络中所有神经元的状态不再改变,即
, 则称该网络是稳定的, 为网络的稳定点或吸引子 。
Hopfield神经网络是高维非线性系统,可能有许多稳定优态。从任何初始状态开始运动,总可以到某个稳定状态。这些稳定状态可以通过改变网络参数得到。
稳定性定理证明:1983年,科恩(Cohen)、葛劳斯伯格(S. Grossberg)。
稳定性定理(Hopfield)
串行稳定性 —— W:对称阵
并行稳定性 —— W:非负定对称阵
连续型Hopfield神经网络及其VLSI实现
连续Hopfield神经网络模型
网络的稳定性
计算能量函数 :
随机神经网络
Hopfield神经网络中,神经元状态为1是根据其输入是否大于阈值确定的,是确定性的。
随机神经网络中,神经元状态为1是随机的,服从一定的概率分布。例如,服从玻尔兹曼(Boltzmann)、高斯(Gaussian)、柯西(Cauchy)分布等,从而构成玻尔兹曼机、高斯机、柯西机等随机机。
Boltzmann机
1985年,加拿大多伦多大学教授欣顿(Hinton)等人借助统计物理学的概念和方法,提出了Boltzmann机神经网络模型。
Boltzmann机是离散Hopfield神经网络的一种变型,通过对离散Hopfield神经网络加以扰动,使其以概率的形式表达,而网络的模型方程不变,只是输出值类似于Boltzmann分布以概率分布取值。
Boltzmann机是按Boltzmann概率分布动作的神经网络。
离散Hopfield神经网络的输出:
Boltzman机的内部状态:
神经元i输出值为0和1时的概率:
Boltzmann的能量函数:
神经元i状态转换时网络能量的变化:
神经元i改变为状态“1”的概率: