连续Hopfield神经网络(CHNN)及其MATLAB实现

视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！神经网络(CHNN)及其MATLAB实现视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！•常见问题回答•离散Hopfield神经网络（复习）•连续Hopfield神经网络•应用举例（TSP）视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！初始化=27022&extra=page%3D4%26amp%3Bfilter%3D0%26amp%3Borderby%3Dreplies%26amp%3Bascdesc%3DDESC&page=1输入和输出矩阵=29843&extra=page%3D5%26amp%3Bfilter%3D0%26amp%3Borderby%3Dreplies%26amp%3Bascdesc%3DDESC&page=1预测误差=42078&extra=page%3D5%26amp%3Bfilter%3D0%26amp%3Borderby%3Dreplies%26amp%3Bascdesc%3DDESC视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！神经网络（复习）•Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。在输入的激励下，会产生不断的状态变化。•对于一个Hopfield网络来说，关键是在于确定它在稳定条件下的权系数。•反馈网络有稳定的，也有不稳定的。对于Hopfield网络来说，如何判别其稳定性也是需要确定的。y1y2y3第0层第1层x3x2x1w11w12w13w21w22w23w31w32w33视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！神经网络（复习）•一个DHNN的网络状态是输出神经元信息的集合。对于一个输出层是n个神经元的网络，其t时刻的状态为一个n维向量：Y(t)=[y1(t),y2(t),…,yn(t)]T因为yi(t)可以取值为1或0，故n维向量Y(t)有2n种状态，即网络有2n种状态。•如果Hopfield网络是一个稳定网络，若在网络的输入端加入一个输入向量，则网络的状态会产生变化，即从超立方体的一个顶点转向另一个顶点，并且最终稳定于一个特定的顶角。000010110111101001011100视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！2VNV1R2RNRNC2C1C……视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！神经网络•连续型Hopfield网络（CHNN）是由一些简单的电子线路连接起来实现的。•每个神经元均具有连续时间变化的输出值。•采用具有饱和非线性的运算放大器来模拟神经元的S型单调输入——输出关系，即++--iiCiIijIjuiujvjvivivijijT()iiivfu视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！神经网络•对于一个N节点的CHNN模型来说，其神经元状态变量的动态变化可用下述非线性微分方程组来描述•能量函数定义为++--iiCiIijIjuiujvjvivivijijT11,2,3,...,()NiiiijjijiiiiduuCTvIdtRiNvfu10111111()2iNNNNvijijiiijiiijiETvvvIfvdvR视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！•CHNN的能量函数不是物理意义上的能量函数，而是在表达形式上与物理意义的能量函数一致，表征网络状态的变化趋势。•定理：若作用函数是单调递增且连续的，则能量函数E是单调递减且有界的。•CHNN用非线性微分方程描述，网络的稳定性通过构造其能量函数（又称李雅谱诺夫函数），并用李雅谱诺夫第二稳定性定理进行判断。•说明：1）李雅谱诺夫函数并不唯一；2）若找不到网络的李雅谱诺夫函数，不能证明网络不稳定；3）目前没有统一的找李雅谱诺夫函数的方法；4）用能量函数的方法研究网络的稳定性，在数学上欠严谨。1()f连续Hopfield神经网络视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！神经网络•如果把一个最优化问题的目标函数转换成网络的能量函数，把问题的变量对应于网络的状态，那么Hopfield神经网络就能够用于解决优化组合问题。•应用Hopfield神经网络来解决优化计算问题的一般步骤为：1）分析问题：网络输出与问题的解相对应；2）构造网络能量函数：使其最小值对应问题最佳解；3）设计网络结构：由能量函数和网络稳定条件设计网络参数，得到动力学方程；4）硬件实现或软件模拟。视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！应用举例（TSP：TravelingSalesmanProblem）•问题描述它假定有n个城市A，B，C，……，它们之间的相互距离分别为。要求寻找一条闭合路径，此路径历经每个城市且经过一次，返回起始城市，要求此路径最短。不考虑方向性和周期性，在给定n的条件下，可能存在的闭合路径数目为1/2(n-1)!。随着n的增大，计算量急剧增大，会发生所谓的“组合爆炸”问题。,,...,...ABACBCddd城市数路径数城市数路径数31121.9958×10743132.3950×108512143.1135×109660154.3589×10107360166.5384×101182520171.0461×1013920160181.7784×101410181440193.2012×1015111814400206.0823×1016视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲：yuthreestone(Matlab中文论坛会员)版权申明：视频归原创作者跟Matlab中文论坛所有，可以在Matlab中文论坛下载或者观看，请勿转载！！Matlab&Simulink为美国mathworks公司注册商标！版权归mathworks公司所有！应用举例（TSP：TravelingSalesmanProblem）•置换矩阵A，B，C，D，E（对应各行）表示城市名称；1，2，3，4，5（对应各列）表示路径顺序；矩阵中“1”表示该城市在路径全程中所居顺序，其余元素均为“0”。此处路径顺序为C→A→E→B→D→C。•特点：1）每行只有一个“1”，其余元素均为“0”；2）每列只有一个“1”，其余元素均为“0”；3）全部元素中“1”的总和为n。12345A01000B00010C10000D00001E00100视频名称:连续Hopfield神经网络(CHNN)及其MATLAB实现主讲