【摘要】：正因为如此，人们长期以来就致力于研究能够模仿人脑联想记忆功能的网络。1982年，美国加州理工学院的Hopfield教授提出了一种由非线性元件构成的单层反馈网络，这种网络能把各种样本模式分布式地存储于各神经元之间的连接权重上。Hopfield在这个网络系统中引入了网络的能量函数。Hopfield在1982年提出的网络是离散型二值网络，即输入、输出信号仅有1、0两种状态。1984年，他又提出了连续型反馈神经网络，并给出了实现这种网络的电子模拟电路。
人能识别记忆中的模式，这种功能称为联想记忆功能。人记忆了许多模式，当感触到（视、听、触等等）某个模式（甚至是不完整的模式）时，就会从记忆中进行联想，寻找出与该模式最接近的模式。例如，人能根据背影认出人群中的一个老朋友，人也能够认出有某种缺损或模糊的字符等。这种特征使人的识别能力具有很强的容错性。正因为如此，人们长期以来就致力于研究能够模仿人脑联想记忆功能的网络。1982年，美国加州理工学院的Hopfield教授提出了一种由非线性元件构成的单层反馈网络，这种网络能把各种样本模式分布式地存储于各神经元之间的连接权重上。Hopfield在这个网络系统中引入了网络的能量函数。与连接权重相对应的是网络能量函数的局部极小值。当输入一个待识别模式时，与此待识别模式最接近的记忆模式就成为网络计算的目标，网络以步进方式来寻找记忆中的模式。每个神经元的输入/输出特性为一有界的非线性函数（S型函数），各神经元以随机等概率步进方式进行计算，经过多次迭代，使网络达到能量函数的极小值，这就是一个稳定状态，也就是记忆中的一个模式。
Hopfield在1982年提出的网络是离散型二值网络，即输入、输出信号仅有1、0两种状态。1984年，他又提出了连续型反馈神经网络，并给出了实现这种网络的电子模拟电路。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
