1) discrete hopfield neural networks
离散Hopfield神经网络
1.
With the aid of graph theory, the stability of discrete Hopfield neural networks with diagonal block matrix of the connection weight matrix is mainly studied in this paper.
以图论为工具 ,主要对连接权矩阵为对角分块形式的离散Hopfield神经网络的稳定性进行了研究。
2) discrete Hopfield neural network
离散Hopfield神经网络
1.
Encryption algorithm based on discrete Hopfield neural network;
基于离散Hopfield神经网络的数据加密算法
3) discrete-time Hopfield neural networks
离散Hopfield神经网络
1.
Stability analysis of discrete-time Hopfield neural networks;
离散Hopfield神经网络的稳定性分析
2.
This paper makes a unified representation for several types of discrete-time Hopfield neural networks appearring in the literature currently with McCulloch-Pitts model which neuron acti- vation function is a strict threshold function and, hence, provides a systematic and clarified idea for the analysis and synthesis of these networks.
本文用神经元的激励函数为严格阈值函数的McCulloch-Pitts模型对目前出现于文献中的几种离散Hopfield神经网络作了统一描述,从而给这些网络的分析和综合提供了一条系统清晰的思路。
4) discrete Hopfield neural networks with delay
延迟离散Hopfield神经网络
1.
The dynamic behavior of discrete Hopfield neural networks with delay is mainly studied by the use of the state transition equation and the energy function,and some results on stability are given.
给出了延迟离散Hopfield神经网络收敛于周期为 4的极限环的一个充分条件 ,获得了延迟网络有稳定状态的条件 ,并且得到了延迟网络既没有稳定状态也没有周期为 2的极限环的条件 。
5) Discrete Hopfield neural netuork
离散的Hopfield神经网络
6) discrete hopfield neural network(DHNN)
离散Hopfield神经网络(DHNN)
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条