了解神经网络结构教程视频,掌握设计方法的步骤

Hopfield 神经网络有哪几种训练方法

到目前为止, 已经发展出大约40种人工神经网络模型, 其中包含反馈型感知器, 自组织映射, Hopfield型网, Boltzmann机以及自适应共振理论等多种类型.

根据神经网络模型中各神经元的连接拓扑结构特征可知：（1）在前馈网络中各神经元依次接收上一层的输入信号，并通过特定的传递机制将信号传递给下一层；（2）该种连接关系可用有向无环图来描述这种层次化的信息传递路径。

该网络通过将信号从输入空间转换到输出空间进行信息处理，并且其核心能力源自于一系列简单非线性函数经过多层叠加运算的结合。这种简洁架构便于实际部署与应用。反传型网络属于典型的前馈型神经网络结构。

（2）反馈连接存在于神经网络内部各神经元之间，并且可以用一个双向完备图来表示这种结构。该神经网络的信息处理主要表现为状态的变化过程。系统的稳定性与联想记忆功能具有密切的相关性。

Hopfield神经网络和波耳兹曼机都属于此类模型。神经网络的研究依赖于对学习机制的关注。当环境发生变化时，在权值上进行调节以优化系统性能。

由Hebb建立的Hebb学习规则为神经网络的学习算法