一种改进型离散Hopfield学习算法
来源期刊:控制与决策2014年第2期
论文作者:李荣 乔俊飞 韩红桂
文章页码:241 - 245
关键词:离散Hopfield神经网络;权值矩阵;矩阵分解;水质评价;
摘 要:针对离散Hopfield神经网络(DHNN)的权值设计问题,提出一种改进型学习算法,并在DHNN动力学分析的基础上设计该学习算法.利用矩阵分解的方法(MD)得到正交矩阵,并采用得到的正交矩阵直接计算DHNN的权值矩阵.通过该学习算法得到的权值矩阵,可以很好地存储训练样本的信息,使测试样本收敛到稳定点.该学习算法不需要进行分块计算,减少了计算步骤和计算量,降低了网络的迭代次数,从而提高了网络运行速度.最后,将该学习算法应用于水质评价,验证了其有效性和可行性.
李荣1,2,乔俊飞1,韩红桂1
1. 北京工业大学电子信息与控制工程学院2. 北京农业职业学院水利与建筑工程系
摘 要:针对离散Hopfield神经网络(DHNN)的权值设计问题,提出一种改进型学习算法,并在DHNN动力学分析的基础上设计该学习算法.利用矩阵分解的方法(MD)得到正交矩阵,并采用得到的正交矩阵直接计算DHNN的权值矩阵.通过该学习算法得到的权值矩阵,可以很好地存储训练样本的信息,使测试样本收敛到稳定点.该学习算法不需要进行分块计算,减少了计算步骤和计算量,降低了网络的迭代次数,从而提高了网络运行速度.最后,将该学习算法应用于水质评价,验证了其有效性和可行性.
关键词:离散Hopfield神经网络;权值矩阵;矩阵分解;水质评价;