1982年dhnn和chnn区别,JHopfield教授在加州理工学院提出了基于反馈dhnn和chnn区别的单层神经网络Hopfield网络dhnn和chnn区别,它包括离散型DHNN和连续型CHNN两种形式DHNN的特点是输出值为0或1dhnn和chnn区别,代表神经元的抑制和兴奋状态dhnn和chnn区别,其结构如图所示,包含输入层中间层和输出层,神经元间通过权重连接形成全互连网络在DHNN中,稳定性是关键特性网络。
Hopfield网络是单层对称全反馈网络,根据其激活函数的选取不同,可分为离散型Hopfield网络Discrete Hopfield Neural Network,简称 DHNN和连续型 Hopfield 网络Continue Hopfield Neural Network,简称CHNN离散型Hopfield网络的激活函数为二值型阶跃函数,主要用于联想记忆模式分类模式识别这个软件为离散型Hopfield网络。
1984年,Hopfield把离散Hopfield神经网络发展为连续Hopfield神经网络但所有神经元都同步工作,各输入输出量为随时间变化的连续的模拟量,这就使得CHNN比DHNN在信息处理的并行性实时性方面更接近实际的生物神经网络工作机理因此利用CHNN进行地球物理反演更加方便CHNN可以用常系数微分方程来描述,但用模拟电。
本文仅代表作者观点,不代表百度立场。
本文系作者授权百度百家发表,未经许可,不得转载。
发表评论