Hopfield网络的应用
组合优化 (TSP问题) 组合优化问题，就是在给定约束条件下， 求出使目标函数极小（或极大）的变量组 合问题。 将Hopfield网络应用于求解组合优化问题， 就是把目标函数转化为网络的能量函数， 把问题的变量对应于网络的状态。这样当 网络的能量函数收敛于极小值时，问题的 最优解也随之求出。
Hopfield网络的特点
单层反馈式网络
x1 o1 W x2 o2 … … xn
on
Hopfield网络的特点
灌输式学习方式 灌输式学习中网络权值不是通过训练逐渐 形成的，而是通过某种设计方法得到的。 权值一旦设计好就一次灌输给网络，不再 变动， 这种学习是死记硬背式的，而不是训练式 的。
Hopfield网络的特点
各神经元的状态在运行中不断更新
x1 o1 W x2 o2 … … xn
on
Hopfield网络的特点
首次引入能量函数
考虑了输入与输出的延迟因素
Hopfield网络的分类
根据激活函数的不同，可以分为： 离散型 Hopfield神经网络（DHNN） 1 netj ≥ 0 f(netj ) = sgn(netj ) = − 1 netj < 0 连续型 Hopfield神经网络（CHNN）
霍普菲尔德（Hopfield Hopfield） Hopfield 神经网络概述
旅行商问题(TSP)
旅行商问题（Traveling Saleman Problem， TSP）又译为旅行推销员问题、货郎担问题， 简称为TSP问题，是最基Байду номын сангаас的路线问题。
是指一名推销员要拜访多个地点时，如何 找到在拜访每个地 TSP问题点一次后再回 到起点的最短路径。
旅行商问题(TSP)
旅行商问题(TSP)
Hopfield网络的提出
1982年，美国加州理工学院物理学家 J .J.Hopfield教授提出一种单层反馈神经网 络，后来人们将这种反馈网络称为Hopfield 网络。 1985年，J.J.Hopfield和D.W.Tank用模拟电 子线路实现了Hopfield网络，并用它成功地 求解了旅行商问题(TSP)的求解方法。
Hopfield网络的应用
分类、模式识别
联想记忆