(上接离散Hopfield)
简介
连续Hopfield神经网络(Continuous Hopfield Neural Network,CHNN)
特点：
- 具有良好的收敛性
- 有有限个平衡点
- 如果平衡点是稳定的，那么也是渐进稳定的
- 渐进稳定平衡点是能量函数的局部极小点
- 能将任意一组希望存储的正交化矢量综合为网络的渐进平衡点
- 网络的存储信息表现为神经元之间互联的分布式动态存储
- 网络以大规模、非线性、连续时间并行方式处理信息
网络结构
结构与离散类似，但更多复杂之处，这里多用文字描述。
与离散Hopfield的区别
- 在时间上有连续性，因此工作方式是并行方式
- 离散Hopfield与模拟电路对应。
网络的稳定性
$E(t)=-0.5\sum\limits_{j=1}^n\sum\limits_{i=1}^n w_{ij}V_i(t)V_j(t)-\sum\limits_{j=1}^n V_j(t)I_j+\sum\limits_{j=1}^n\dfrac{1}{R_j}\int_0^{V_j(t)}g^{-1}(V)dV$
- 如果传递函数递增，并且$w$对称，能量单调不增。
- 当且仅当神经元的输出不变时，网络的能量才不变。
参考文献
《Matlab神经网络原理与实例精解》陈明，清华大学出版社
《神经网络43个案例》王小川，北京航空航天大学出版社
《人工神经网络原理》马锐，机械工业出版社
