Hopfield网络是
神经网络
发展历史上的一个重要的里程碑。Hopfield
神经网络
是1982年美国物理学家J.Hopfield首先提出来的,属于反馈
神经网络
类型。与前向型
神经网络
不同,前向
神经网络
不考虑输出与输入之间在时间上的滞后影响,其输出与输入之间仅仅是一种映射关系。而Hopfield网络则不同,它采用反馈连接,考虑输出与输入在时间上的传输延迟,所表示的是一个动态过程,需要用差分或微分方程来描述,因而Hopfield网络是一种由非线性元件构成的反馈系统,其稳定状态的分析比前向
神经网络
要复杂得多。
Hopfield用能量函数的思想形成了一种新的计算方法,阐明了
神经网络
与动力学的关系,并用非线性动力学的方法来研究这种
神经网络
的特性,建立了
神经网络
稳定性判据,并指出信息存储在网络各个神经元之间的连接上,形成了所谓的Hopfield网络。 Hopfield还将该反馈网络同统计物理中的lsing模型相类比,把磁旋的向上和向下方向看成神经元的激活和抑制两种状态,把磁旋的相互作用看成神经元的突触权值。这种类推为大量的物理学理论和许多的物理学家进入
神经网络
领域铺平了道路。1984年,Hopfield设计并研制了Hopfleld网络模型的电路,指出神经元可以用运算放大器来实现,所有神经元的连接可用电子线路来模拟,称之为连续Hopfield网络。使用该电路,Hopfleld成功地解决了旅行商(TSP)计算难题(优化问题)。