深入神经网络案例包含车牌识别人脸识别故障检测：3 建立具有稳定点的hopfield神经网络.zip

%% 学习目标： 建立具有稳定点的hopfield神经网络 clear all clc %% 定义具有3列的目标向量 T = [-1 1; 1 -1;-1 -1]; %% 绘制两个稳定点的Hopfield神经网络稳定空间图形 axis([-1 1 -1 1 -1 1]) set(gca,'box','on'); axis manual; hold on; plot3(T(1,:),T(2,:),T(3,:),'r*') title('Hopfield Network State Space') xlabel('a(1)'); ylabel('a(2)'); zlabel('a(3)'); view([37.5 30]); %% 利用newhop创建Hopfield神经网络 net = newhop(T); %% 定义随机起始点 a = {rands(3,1)}; %% Hopfield仿真参数设定 [y,Pf,Af] = net({1 10},{},a); %% 在稳定空间内设定一个活动的点 record = [cell2mat(a) cell2mat(y)]; start = cell2mat(a); hold on plot3(start(1,1),start(2,1),start(3,1),'bx', ... record(1,:),record(2,:),record(3,:)) %% 重复模拟20个初始条件 color = 'rgbmy'; for i=1:20 a = {rands(3,1)}; [y,Pf,Af] = net({1 10},{},a); record=[cell2mat(a) cell2mat(y)]; start=cell2mat(a); plot3(start(1,1),start(2,1),start(3,1),'kx', ... record(1,:),record(2,:),record(3,:),color(rem(i,5)+1)) end %% 使用向量P的每一列仿真Hopfield神经网络 P = [ 1 -1 -0.5 1 1 ; ... 0 0 0 0 0; ... -1 1 0.5 -1 -1]; cla plot3(T(1,:),T(2,:),T(3,:),'r*') color = 'rgbmy'; for i=1:5 a = {P(:,i)}; [y,Pf,Af] = net({1 10},{},a); record=[cell2mat(a) cell2mat(y)]; start=cell2mat(a); plot3(start(1,1),start(2,1),start(3,1),'kx', ... record(1,:),record(2,:),record(3,:),color(rem(i,5)+1)) end %% 大仙QQ：1960009019 %% 在线教育微信公众号：大仙一品堂