Hopfield Model Autoassociative Memory 源碼, 經(jīng)典的Hopfield人工神經(jīng)網(wǎng)絡(luò)例子源碼
標(biāo)簽： Autoassociative Hopfield Hopfield Memory
上傳時(shí)間： 2015-01-05
上傳用戶：皇族傳媒
神經(jīng)網(wǎng)絡(luò)Hopfield源碼
標(biāo)簽： Hopfield 神經(jīng)網(wǎng)絡(luò) 源碼
上傳時(shí)間： 2015-01-18
上傳用戶：三人用菜
Hopfield Model神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： Hopfield Model 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2015-01-21
上傳用戶：duoshen1989
離散型Hopfield源碼
上傳時(shí)間： 2015-02-06
上傳用戶：fredguo
應(yīng)用Hopfield網(wǎng)絡(luò)的理論在vc環(huán)境下編寫一個(gè)數(shù)字識(shí)別軟件
標(biāo)簽： Hopfield 網(wǎng)絡(luò) 環(huán)境 數(shù)字識(shí)別
上傳時(shí)間： 2014-01-24
上傳用戶：jiahao131
神經(jīng)網(wǎng)絡(luò)C語言源程序 絕對經(jīng)典。 ADALINE,ART1,BAM,BOLTZMAN,BPN CPN,Hopfield, som,
標(biāo)簽： BOLTZMAN Hopfield ADALINE ART
上傳時(shí)間： 2013-12-31
上傳用戶：lijinchuan
人工神經(jīng)網(wǎng)絡(luò)基本模型：BP、ART、Hopfield、SOM
標(biāo)簽： Hopfield ART SOM 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2015-03-08
上傳用戶：牛布牛
這是一個(gè)二值Hopfield神經(jīng)網(wǎng)絡(luò)源程序，有一個(gè)實(shí)例，訓(xùn)練數(shù)據(jù)保存在h7x8n4.trn,輸出數(shù)據(jù)保存在ARCHIVE.LST中。
標(biāo)簽： Hopfield 神經(jīng)網(wǎng)絡(luò) 源程序
上傳時(shí)間： 2015-03-13
上傳用戶：gut1234567
這個(gè)是神經(jīng)網(wǎng)絡(luò)中的Hopfield網(wǎng)絡(luò)模擬，是利用外向和的雙極性Hopfield網(wǎng)絡(luò)，有很好的借鑒價(jià)值。
標(biāo)簽： Hopfield 神經(jīng)網(wǎng)絡(luò) 模擬 網(wǎng)絡(luò)
上傳時(shí)間： 2013-12-12
上傳用戶：yt1993410
Hopfield 網(wǎng)——擅長于聯(lián)想記憶與解迷路 實(shí)現(xiàn)H網(wǎng)聯(lián)想記憶的關(guān)鍵，是使被記憶的模式樣本對應(yīng)網(wǎng)絡(luò)能量函數(shù)的極小值。 設(shè)有M個(gè)N維記憶模式，通過對網(wǎng)絡(luò)N個(gè)神經(jīng)元之間連接權(quán) wij 和N個(gè)輸出閾值θj的設(shè)計(jì)，使得: 這M個(gè)記憶模式所對應(yīng)的網(wǎng)絡(luò)狀態(tài)正好是網(wǎng)絡(luò)能量函數(shù)的M個(gè)極小值。 比較困難，目前還沒有一個(gè)適應(yīng)任意形式的記憶模式的有效、通用的設(shè)計(jì)方法。 H網(wǎng)的算法 1）學(xué)習(xí)模式——決定權(quán)重 想要記憶的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 則任意兩個(gè)神經(jīng)元j、i間的權(quán)重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數(shù) ap(s)：第p個(gè)模式的第s個(gè)要素（-1或1） wij：第j個(gè)神經(jīng)元與第i個(gè)神經(jīng)元間的權(quán)重 i = j時(shí)，wij=0，即各神經(jīng)元的輸出不直接返回自身。 2)想起模式： 神經(jīng)元輸出值的初始化 想起時(shí)，一般是未知的輸入。設(shè)xi(0)為未知模式的第i個(gè)要素（-1或1） 將xi(0)作為相對應(yīng)的神經(jīng)元的初始值，其中，0意味t=0。 反復(fù)部分：對各神經(jīng)元，計(jì)算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經(jīng)元總數(shù) f（）--Sgn（） θi—神經(jīng)元i發(fā)火閾值 反復(fù)進(jìn)行，直到各個(gè)神經(jīng)元的輸出不再變化。
上傳時(shí)間： 2015-03-16
上傳用戶：JasonC
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
