Hopfield网络学习及其在最优化问题中的应用

摘要：

本文针对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.它是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一旦陷入的极小值状态中逃脱出来.该算法分别被应用于10、20城市的旅行商问题(TSP),结果能够以很高的比率收敛于最优解.

关键词： Hopfield 神经网络 最速上升法 参数学习 最优化问题

作者: 金海和

作者单位: 清华大学经济管理学院(北京)

会议类型: 国内会议

会议名称: 第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议

会议地点: 大连

会议语种:中文

页码: 3-8

在线出版日期: 2001-08-25（万方平台首次上网日期，不代表论文的发表时间）