预备知识 先来说说前馈型神经网络与反馈型神经网络的区别： 前馈型神经网络不考虑输入和输出在时间上的滞后性，只考虑输入到输出的映射关系，反馈型神经网络则考虑了输入到输出之间的延迟 再来说说hebb学习规则： 两个神经元同时兴奋或抑制，那么它们的连接权值将增大，如果两神经元不是同时兴奋或抑制 ...

　　前馈网络一般指前馈神经网络或前馈型神经网络。它是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层，数据正想流动，输出仅由当前的输入和网络权值决定，各层间没有反馈。包括：单层感知器，线性神经网络，BP神经网络、RBF神经网络 ...

Hopfield神经网络使用说明。 该神经网络有两个特点： 1，输出值只有0，1 2，Hopfield没有输入（input） 这里解释一下第二个特点，什么叫没有输入？因为在使用Hopfield网络的时候，多用于图像仿真，图像仿真意思就是先给你一些标准的图像， 比如1~9的数字 ...

Hopfield神经网络 简介 一、总结 一句话总结： 【Hopfield和BP同一时期】：BP属于前馈式类型，但是和BP同一时期的另外一个神经网络也很重要，那就是Hopfield神经网络，他是反馈式类型。这个网络比BP出现的还早一点， 【Hopfield网络的权值不是通过训练出来 ...

一、TSP问题 旅行商问题，又叫货郎担问题。它是指如下问题：在完全图中寻找一条最短的哈密尔顿回路。 哈密尔顿回路问题：给定一个图，判断图中是否存在哈密尔顿回路。 哈密尔顿回路：寻找一条回路，经过图中 ...

Hopfield 网络模型 相互连接型的神经网络模型，简称为 HNN （Hopfield Neural Network），解决了具有 NPC 复杂性的旅行商问题（TSP） 对比： MP模型、感知器模型、自适应神经元Adaline、EBP网络：属于前向神经网络。 学习观点：是强有力的学习系统 ...

设计一个反馈网络存储下列目标平衡点： T = [ 1 -1; -1 1 ]; 并用6组任意随机初始列矢量，包括一组在目标平衡点连线的垂直平分线上的一点作为输入矢量对所设计的网络的平衡点进行测试，观察3次循环的每一次的输出结果。给出最后收敛到各自平衡点（或不稳定的平衡点）结果的次数 ...

一、前言 这篇卷积神经网络是前面介绍的多层神经网络的进一步深入，它将深度学习的思想引入到了神经网络当中，通过卷积运算来由浅入深的提取图像的不同层次的特征，而利用神经网络的训练过程让整个网络自动调节卷积核的参数，从而无监督的产生了最适合的分类特征。这个概括可能有点抽象，我尽量在下面描述细致一些 ...