你知道反饋神經網路是什麼

與前饋神經網路相比，反饋神經網路內部神經元之間有反饋，可以用一個無向完全圖表示。1985年霍普菲爾德（Hopfield）等人用類比電子線路實現了Hopfield網路，巴特·柯斯可（Bart Kosko）於1988年提出雙向聯想記憶（Bidirectional Associative Memory，BAM）網路，埃爾曼（J。L。Elman）於1990年提出Elman網路。

Hopfield網路類似人類大腦的記憶原理，即透過關聯的方式，將某一件事物與周圍場景中的其他事物建立關聯，當人們忘記了一部分資訊後，可以透過場景資訊回憶起來，將缺失的資訊找回。透過在反饋神經網路中引入能量函式的概念，使其執行穩定性的判斷有了可靠依據，由權重值派生出能量函式是從能量高的位置向能量低的位置轉化，穩定點的勢能比較低。

基於動力學系統理論處理狀態的變換，系統的穩定態可用於描述記憶。Hopfield網路分為離散型（Discrete Hopfield Neural Network，DHNN）和連續型（Continous Hopfield Neural Network，CHNN）兩種網路，在本節中主要介紹離散型Hopfield網路，對CHNN感興趣的讀者可查閱相關文獻深入研究。

在Hopfield網路中，學習演算法是基於Hebb學習規則，權值調整規則為若相鄰兩個神經元同時處於興奮狀態，那麼它們之間的連線應增強，權值增大；反之，則權值減少。