离散型霍普菲尔德网络的学习目的：
对具有q个不同的输入样本组Pr×q＝[P1, P2 …Pq]，希望通过调节计算有限的权值矩阵W，使得当每一组输入样本Pk，k=1，2，…，q，作为系统的初始值，经过网络的工作运行后，系统能够收敛到各自输入样本矢量本身。
当k＝1时，对于第i个神经元，由海布学习规则可得网络权值对输入矢量的学习关系式为：
其中，α＞0，i＝1，2…，r；j=1，2…，r。在实际学习规则的运用中，一般取α＝1或1/r。
2022-03-25 13:27:43
232KB
1
利用hopfield神经网络来解决TSP问题的，神经网络的实验，挺好的，可以解决tsp问题，但是城市变多了 效果就不是很理想了
2021-10-26 21:16:04
3KB
1
Hopfield神经网络解决 TSP问题 利用神经网络解决组合优化问题是神经网络应用的一个重要方面。所谓组合优化问题,就是在给定约束条件下,使目标函数极小(或极大) 的变量组合问题。将Hopfield 网络应用于求解组合优化问题,把目标函数转化为网络的能量函数,把问题的变量对应到网络的状态。这样,当网络的能量函数收敛于极小值时,问题的最优解也随之求出。由于神经网络是并行计算的,其计算量不随维数的增加而发生指数性“爆炸”,因而对于优化问题的高速计算特别有效。
2019-12-21 21:29:29
1.99MB
1
运行Hopefield文件下的hopefield功能即可得出8个城市TSP问题求解，CHNN问题在于网络是否稳定，因此对于大型城市数的应用还有待进一步优化
2019-12-21 20:03:34
2KB
1