基于联想记忆Hopfield神经网络设计和实现,这是一篇与神经网络设计论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
神经网络设计论文参考文献：
摘 要：介绍了反馈型神经网络Hopfield网络的定义、原理、模型和基本学习规则,并构造了一个用于联想记忆的Hopfield神经网络模型.对实验结果进行分析、比较,实验结果表明：Hopfield神经网络用于数字识别是可行、有效的；该方法较传统神经网络能提高网络的记忆能力和数字识别的正确率；该方法有别于以往的BP神经网络的模式识别,结合一些优化算法,如遗传算法,能对Hopfield神经网络的联想记忆稳态进行优化,增强神经网络的联想记忆能力.
关键词：Hopfield神经网络； 联想记忆能力； 数字识别； MATLAB； 遗传算法
中图分类号： TP 183 文献标志码： A 文章编号： 10005137（2016）01001605
0 引 言
神经网络（Neural Network,NN）通过对人脑或生物神经网络基本特征的抽象和建模,用大量简单计算单元（神经元）构成非线性系统,研究非程序的、适应性的和大脑神经网络的信息处理、存储和检索功能.因而神经网络具有学习、记忆和计算等智能处理功能,联想记忆是目前NN的一个重要研究课题.Hopfield网络模拟了生物神经网络的记忆功能[1],可以看成是非线性联想记忆或按内容寻址存储器,研究Hopfield神经网络的联想记忆——数字识别功能有重要意义.
噪声数字的识别具有很广泛的应用前景,本文作者构建了一个离散Hopfield神经网络模型模拟数字识别,该方法较传统神经网络提高了记忆能力和识别的正确率.改进神经网络的记忆样本,然后用Hebb规则对改进的记忆样本进行学习,得到权值矩阵,根据待识别数字的信息联想记忆的数字.
1 相关基础知识
1982年,霍普菲尔德（Hopfield J）提出了可用作联想记忆的互联网络即Hopfield网络,Hopfield网络采用能量函数的思想形成了一种新的计算方法,阐明了神经网络和动力学的关系,并用非线性动力学的方法来研究这种神经网络的特性,建立了神经网络稳定性判据,并指出信息存储在网络中神经元之间的连接上,形成了Hopfield网络,神经元的输出只取1和0,所以也称为离散Hopfield神经网络.1984年霍普菲尔德和汤克（Tank T W）设计和研制模拟电子线路实现的反馈性神经网络,指出神经元可以用运算放大器来实现,所有神经元的连接可用电子线路来模拟,称之为连续Hopfield神经网络.它们都是单层对称连接的简单人工神经网络,离散模型可用于联想记忆,连续模型可用于优化计算[2-3].
1.1 离散Hopfield网络
离散Hopfield网络（Discrete Hopfield Neural Network,简称DHNN ）是单层全互连的,其两种表现形式如图1所示.
神经元可取二值{0、1}或{-1、1},任意的神经元i和j之间的突触权值为Wij,神经元之间联接是对称的,即Wij等于Wji,神经元自身无联接,即Wii等于0,所以DHNN 采用对称连接且无自身反馈[4].但每个神经元都将其输出通过突触权值传递给其他的神经元,同时每个神经元又都接收其他神经元传来的信息,故每个神经元输出的信号经过其他神经元后又可能反馈给自己,可以看出 Hopfield网络是一种反馈神经网络.
离散型Hopfield网络是单层的、输入输出为二值的反馈网络,它主要用于联想记忆.当网络的初始态确定后,网络状态按其工作规则向能量递减的方向变化,最后接近或达到平衡点[5].如果把网络所需记忆的模式设计成某个确定网络状态的一个平衡点,则当网络从和记忆模式较接近的某个初始状态出发后,按Hopfield运行规则进行状态更新,最后网络状态稳定在能量函数的极小点,即记忆模式所对应的状态.这样就完成了由部分信息或失真的信息到全部或完整信息的联想记忆过程.Hopfield神经网络的演变过程是一个计算联想记忆或求解优化问题的过程.实际上,它的解决并不需要真的去计算,而是通过构成反馈神经网络,适当地设计其连接权和输入就可以达到这个目的.
1.3 Hopfield网络的基本学习规则
Hopfield神经网络采用Hebb学习律来计算网络中神经元之间的联接强度值.Hebb学习规则[6]是由加拿大著名生理心理学家赫布提出来的,赫布认为神经网络的学习过程最终是发生在神经元之间的突触部位.Hebb学习规则是一个无监督学习规则,这种学习的结果是使网络能够提取训练集的统计特性,从而把输入信息按照它们的相似性程度划分为若干类.这一点和人类观察和认识世界的过程非常吻合,人类观察和认识世界在相当程度上就是在根据事物的统计特征进行分类.Hebb学习规则是最早、最著名的训练算法,至今仍在各种神经网络模型中起着重要作用.Hebb规则假定：当两个细胞同时兴奋时,他们之间的连接强度应该增强,这条规则和“条件反射”学说一致,后来得到了神经细胞学说的证实.
Hebb算法核心思想：当两个神经元同时处于激发状态时,两者间的连接权会被加强,否则被减弱.为了理解Hebb算法,有必要简单介绍一下条件反射实验.巴甫洛夫的条件反射实验：每次狗喂食前都先响铃,时间一长,狗就会将铃声和食物联系起来,以后如果响铃但是不给食物,狗就会流口水.受该实验的启发,Hebb的理论认为在同一时间被激发的神经元间的联系会被强化.比如,铃声响时一个神经元被激发,在同一时间食物的出现会激发附近的另一神经元,那么两个神经元的联系就会强化,从而记住这两个事物之间存在着联系.相反,如果两个神经元总是不能同步激发,那么它们之间的联系将会越来越弱.
Hebb学习律：wij（t+1）等于wij（t）+ayj（t）yi（t）,wij表示神经元j到神经元i的连接权,yi和yj为两个神经元的输出,a是学习速度的常数.若yi和yj同时被激活,wij将增大.若yi被激活,而yj处于抑制状态,即yi为正yj为负,wij将变小.
结论：关于对写作神经网络设计论文范文与课题研究的大学硕士、相关本科毕业论文如何设计一个神经网络论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
中国信贷结构和物价水平基于遗传神经网络
摘要：在我国信贷扩张与通货膨胀联系紧密，而且独特的信贷结构对物价的影响也不可忽视，但是目前信贷结构对价格水平及经济增长的研究几乎空白。针对这一研。
基于MATLAB动态神经网络进行时间序列预测房地产价格
摘 要：文章以MATLAB动态神经网络为前提，采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本，利用训练样本和基础样本。
基于改进RBF神经网络矿井瓦斯涌出量预测
摘 要：介绍了瓦斯涌出量对矿井安全的影响及一种改进的RBF算法——IRBF算法，借助Matlab软件利用BP算法、传统RBF算法及IRBF算法对。
基于AHP和BP神经网络制造企业产品绿色评价
因为近期“十三五”五大发展之一“绿色发展”的提出以及我国长期可持续发展的需要，制造业越来越重视产品及其生产的绿色低碳可持续化，采用科学的评价方法。