清华大学学报(自然科学版)
清華大學學報(自然科學版)
청화대학학보(자연과학판)
Journal of Tsinghua University
2002年
6期
731-734,746
,共5页
金海和%陈剑%唐政%郑国旗
金海和%陳劍%唐政%鄭國旂
금해화%진검%당정%정국기
Hopfield神经网络%最速上升法%极小值问题%状态空间%参数空间%旅行商问题
Hopfield神經網絡%最速上升法%極小值問題%狀態空間%參數空間%旅行商問題
Hopfield신경망락%최속상승법%겁소치문제%상태공간%삼수공간%여행상문제
针对Hopfield神经网络(HNN)所存在的极小值问题及缺乏学习能力的问题,提出了一种学习算法.将决定约束条件权值大小的系数作为学习参数,在参数空间里使参数向着HNN能量上升最快的方向学习,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来.对于在状态空间里陷入极小值状态的HNN,首先在参数空间里修正参数,然后再返回到状态空间里进行状态更新,如此反复,直至找到最优解或满意解.算法的有效性通过仿真实验进行了验证.该算法分别被应用于10城市和20城市的旅行商问题,结果能够以很高的比率收敛于最优解.
針對Hopfield神經網絡(HNN)所存在的極小值問題及缺乏學習能力的問題,提齣瞭一種學習算法.將決定約束條件權值大小的繫數作為學習參數,在參數空間裏使參數嚮著HNN能量上升最快的方嚮學習,使網絡狀態能夠有效地從可能陷入的極小值狀態中逃脫齣來.對于在狀態空間裏陷入極小值狀態的HNN,首先在參數空間裏脩正參數,然後再返迴到狀態空間裏進行狀態更新,如此反複,直至找到最優解或滿意解.算法的有效性通過倣真實驗進行瞭驗證.該算法分彆被應用于10城市和20城市的旅行商問題,結果能夠以很高的比率收斂于最優解.
침대Hopfield신경망락(HNN)소존재적겁소치문제급결핍학습능력적문제,제출료일충학습산법.장결정약속조건권치대소적계수작위학습삼수,재삼수공간리사삼수향착HNN능량상승최쾌적방향학습,사망락상태능구유효지종가능함입적겁소치상태중도탈출래.대우재상태공간리함입겁소치상태적HNN,수선재삼수공간리수정삼수,연후재반회도상태공간리진행상태경신,여차반복,직지조도최우해혹만의해.산법적유효성통과방진실험진행료험증.해산법분별피응용우10성시화20성시적여행상문제,결과능구이흔고적비솔수렴우최우해.
