论文部分内容阅读
本文证明了在权矩阵(记忆矩阵)W 非负定的条件下,Hopfield 神经网络(HNN)具有并行稳定性,并且证明了由 Hebb 学习算法得到的权矩阵具有非负定性.进而利用计算机对 Hopfield 神经网络进行了模拟,发现对用近似正交的训练样本由 Hebb 学习算法得到的权矩阵 W,其相应的 Hopfield 神经网络对被噪声干扰或不完全样本差不多经过一二次并行处理就可以稳定(收敛)到原样本.