反饋神經(jīng)網(wǎng)絡(luò).ppt

《反饋神經(jīng)網(wǎng)絡(luò).ppt》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、反饋神經(jīng)網(wǎng)絡(luò)反饋神經(jīng)網(wǎng)絡(luò)Hopfield網(wǎng)絡(luò)分為離散型和連續(xù)型兩種網(wǎng)絡(luò)模型，分別記作DHNN(DiscreteHopfieldNeuralNetwork)和CHNN(ContinuesHopfieldNeuralNetwork)，本章重點(diǎn)討論前一種類型。根據(jù)神經(jīng)網(wǎng)絡(luò)運(yùn)行過程中的信息流向，可分為前饋式和反饋式兩種基本類型。前饋網(wǎng)絡(luò)的輸出僅由當(dāng)前輸入和權(quán)矩陣決定，而與網(wǎng)絡(luò)先前的輸出狀態(tài)無關(guān)。美國加州理工學(xué)院物理學(xué)家J.J.Hopfield教授于1982年提出一種單層反饋神經(jīng)網(wǎng)絡(luò)，后來人們將這種反饋網(wǎng)絡(luò)稱作Hopfie

2、ld網(wǎng)。1.1網(wǎng)絡(luò)的結(jié)構(gòu)與工作方式離散型反饋網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)1.離散型Hopfield神經(jīng)網(wǎng)絡(luò)(1)網(wǎng)絡(luò)的狀態(tài)DHNN網(wǎng)中的每個(gè)神經(jīng)元都有相同的功能，其輸出稱為狀態(tài)，用xj表示。j=1,2,…,n所有神經(jīng)元狀態(tài)的集合就構(gòu)成反饋網(wǎng)絡(luò)的狀態(tài)X=[x1,x2,…,xn]T反饋網(wǎng)絡(luò)的輸入就是網(wǎng)絡(luò)的狀態(tài)初始值，表示為X(0)=[x1(0),x2(0),…,xn(0)]T反饋網(wǎng)絡(luò)在外界輸入激發(fā)下，從初始狀態(tài)進(jìn)入動態(tài)演變過程，變化規(guī)律為j=1,2,…,n(1)DHNN網(wǎng)的轉(zhuǎn)移函數(shù)常采用符號函數(shù)式中凈輸入為j=1,2,…,n(2)

3、對于DHNN網(wǎng)，一般有wii=0，wij=wji。反饋網(wǎng)絡(luò)穩(wěn)定時(shí)每個(gè)神經(jīng)元的狀態(tài)都不再改變，此時(shí)的穩(wěn)定狀態(tài)就是網(wǎng)絡(luò)的輸出，表示為(2)網(wǎng)絡(luò)的異步工作方式(3)(3)網(wǎng)絡(luò)的同步工作方式網(wǎng)絡(luò)的同步工作方式是一種并行方式，所有神經(jīng)元同時(shí)調(diào)整狀態(tài)，即j=1,2,…,n(4)網(wǎng)絡(luò)運(yùn)行時(shí)每次只有一個(gè)神經(jīng)元j進(jìn)行狀態(tài)的調(diào)整計(jì)算，其它神經(jīng)元的狀態(tài)均保持不變，即1.2.1網(wǎng)絡(luò)的穩(wěn)定性DHNN網(wǎng)實(shí)質(zhì)上是一個(gè)離散的非線性動力學(xué)系統(tǒng)。網(wǎng)絡(luò)從初態(tài)X(0)開始，若能經(jīng)有限次遞歸后，其狀態(tài)不再發(fā)生變化，即X(t+1)＝X(t)，則稱該網(wǎng)絡(luò)是穩(wěn)

4、定的。如果網(wǎng)絡(luò)是穩(wěn)定的，它可以從任一初態(tài)收斂到一個(gè)穩(wěn)態(tài)：1.2網(wǎng)絡(luò)的穩(wěn)定性與吸引子若網(wǎng)絡(luò)是不穩(wěn)定的，由于DHNN網(wǎng)每個(gè)節(jié)點(diǎn)的狀態(tài)只有1和-1兩種情況，網(wǎng)絡(luò)不可能出現(xiàn)無限發(fā)散的情況，而只可能出現(xiàn)限幅的自持振蕩，這種網(wǎng)絡(luò)稱為有限環(huán)網(wǎng)絡(luò)。如果網(wǎng)絡(luò)狀態(tài)的軌跡在某個(gè)確定的范圍內(nèi)變遷，但既不重復(fù)也不停止，狀態(tài)變化為無窮多個(gè)，軌跡也不發(fā)散到無窮遠(yuǎn)，這種現(xiàn)象稱為混沌。網(wǎng)絡(luò)達(dá)到穩(wěn)定時(shí)的狀態(tài)X，稱為網(wǎng)絡(luò)的吸引子。如果把問題的解編碼為網(wǎng)絡(luò)的吸引子，從初態(tài)向吸引子演變的過程便是求解計(jì)算的過程。若把需記憶的樣本信息存儲于網(wǎng)絡(luò)不同的吸引子，

5、當(dāng)輸入含有部分記憶信息的樣本時(shí)，網(wǎng)絡(luò)的演變過程便是從部分信息尋找全部信息，即聯(lián)想回憶的過程。定義5.1若網(wǎng)絡(luò)的狀態(tài)X滿足X=f(WX-T)則稱X為網(wǎng)絡(luò)的吸引子。1.2.2吸引子與能量函數(shù)定理1對于DHNN網(wǎng)，若按異步方式調(diào)整網(wǎng)絡(luò)狀態(tài)，且連接權(quán)矩陣W為對稱陣，則對于任意初態(tài)，網(wǎng)絡(luò)都最終收斂到一個(gè)吸引子。定理1證明：定義網(wǎng)絡(luò)的能量函數(shù)為：(5)令網(wǎng)絡(luò)的能量改變量為ΔE，狀態(tài)改變量為ΔX，有(6)(7)1.2.2吸引子與能量函數(shù)將式(4)、(6)代入(5)，則網(wǎng)絡(luò)能量可進(jìn)一步展開為(8)將代入上式，并考慮到W為對稱矩陣

6、，有(9)上式中可能出現(xiàn)的情況：情況a：xj(t)=-1,xj(t+1)=1,由式(7)得Δxj(t)=2,由式(1)知，netj(t)≧0，代入式(5.9)，得ΔE(t)≦0。情況b：xj(t)=1,xj(t+1)=-1,所以Δxj(t)=-2,由式(1)知，netj(t)<0，代入式(5.9)，得ΔE(t)<0。情況c：xj(t)=xj(t+1),所以Δxj(t)=0,代入式(9)，從而有ΔE(t)=0。由此可知在任何情況下均有ΔE(t)≦0。由于網(wǎng)絡(luò)中各節(jié)點(diǎn)的狀態(tài)只能取1或–1，能量函數(shù)E(t)作為網(wǎng)絡(luò)狀態(tài)

7、的函數(shù)是有下界的，因此網(wǎng)絡(luò)能量函數(shù)最終將收斂于一個(gè)常數(shù)，此時(shí)ΔE(t)=0。綜上所述，當(dāng)網(wǎng)絡(luò)工作方式和權(quán)矩陣均滿足定理1的條件時(shí)，網(wǎng)絡(luò)最終將收斂到一個(gè)吸引子。綜上所述，當(dāng)網(wǎng)絡(luò)工作方式和權(quán)矩陣均滿足定理1的條件時(shí)，網(wǎng)絡(luò)最終將收斂到一個(gè)吸引子。定理2對于DHNN網(wǎng)，若按同步方式調(diào)整狀態(tài)，且連接權(quán)矩陣W為非負(fù)定對稱陣，則對于任意初態(tài)，網(wǎng)絡(luò)都最終收斂到一個(gè)吸引子。證明：由式(8)得前已證明，對于任何神經(jīng)元j，有因此上式第一項(xiàng)不大于0，只要W為非負(fù)定陣，第二項(xiàng)也不大于0，于是有⊿E(t)≦0，也就是說E(t)最終將收斂到一

8、個(gè)常數(shù)值，對應(yīng)的穩(wěn)定狀態(tài)是網(wǎng)絡(luò)的一個(gè)吸引子。以上分析表明，在網(wǎng)絡(luò)從初態(tài)向穩(wěn)態(tài)演變的過程中，網(wǎng)絡(luò)的能量始終向減小的方向演變，當(dāng)能量最終穩(wěn)定于一個(gè)常數(shù)時(shí)，該常數(shù)對應(yīng)于網(wǎng)絡(luò)能量的極小狀態(tài)，稱該極小狀態(tài)為網(wǎng)絡(luò)的能量井，能量井對應(yīng)于網(wǎng)絡(luò)的吸引子。1.2.2吸引子與能量函數(shù)性質(zhì)1:若X是網(wǎng)絡(luò)的一個(gè)吸引子，且閾值T=0，在sgn(0)處，xj(t+1)=xj(t)，則－X也一定是該網(wǎng)絡(luò)