科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于动力学分析设计反馈神经网络Hopfield其离散型的优化算法,通过矩阵分解的方法(MD)得到其正交矩阵,优化算法即可直接计算Hopfield离散型神经网络的权值矩阵,并将样本信息可以较好地存储训练,使测试样本快速收敛到稳定点。相较于传统方法涉及的奇异值分解学习算法不需要分块分步计算,简化了计算步骤和计算量,迭代次数减少,运行速度提高。最后,将训练好的优化算法应用于研究流域生态演变趋势的分析,验证了其应用前景和推广价值。
-
单位河北建筑工程学院
