HopField Model Autoassociative Memory 源码, 经典的HopField人工神经网络例子源码
标签： Autoassociative HopField HopField Memory
上传时间： 2015-01-05
上传用户：皇族传媒
神经网络HopField源码
上传时间： 2015-01-18
上传用户：三人用菜
HopField Model神经网络
上传时间： 2015-01-21
上传用户：duoshen1989
离散型HopField源码
上传时间： 2015-02-06
上传用户：fredguo
应用HopField网络的理论在vc环境下编写一个数字识别软件
上传时间： 2014-01-24
上传用户：jiahao131
神经网络C语言源程序 绝对经典。 ADALINE,ART1,BAM,BOLTZMAN,BPN CPN,HopField, som,
标签： BOLTZMAN HopField ADALINE ART
上传时间： 2013-12-31
上传用户：lijinchuan
人工神经网络基本模型：BP、ART、HopField、SOM
上传时间： 2015-03-08
上传用户：牛布牛
这是一个二值HopField神经网络源程序，有一个实例，训练数据保存在h7x8n4.trn,输出数据保存在ARCHIVE.LST中。
上传时间： 2015-03-13
上传用户：gut1234567
这个是神经网络中的HopField网络模拟，是利用外向和的双极性HopField网络，有很好的借鉴价值。
上传时间： 2013-12-12
上传用户：yt1993410
HopField 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神经元总数 f（）--Sgn（） θi—神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。
上传时间： 2015-03-16
上传用户：JasonC
