《MATLAB 神经网络43个案例分析》：第10章 离散Hopfield神经网络的分类——高校科研能力评价
1. 前言
《MATLAB 神经网络43个案例分析》是MATLAB技术论坛（www.matlabsky.com）策划，由王小川老师主导，2013年北京航空航天大学出版社出版的关于MATLAB为工具的一本MATLAB实例教学书籍，是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。
《MATLAB神经网络43个案例分析》共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，《MATLAB神经网络43个案例分析》还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
近年来随着人工智能研究的兴起，神经网络这个相关方向也迎来了又一阵研究热潮，由于其在信号处理领域中的不俗表现，神经网络方法也在不断深入应用到语音和图像方向的各种应用当中，本文结合书中案例，对其进行仿真实现，也算是进行一次重新学习，希望可以温故知新，加强并提升自己对神经网络这一方法在各领域中应用的理解与实践。自己正好在多抓鱼上入手了这本书，下面开始进行仿真示例，主要以介绍各章节中源码应用示例为主，本文主要基于MATLAB2015b(32位)平台仿真实现，这是本书第十章离散Hopfield神经网络的分类实例，话不多说，开始！
2. MATLAB 仿真示例
打开MATLAB，点击“主页”，点击“打开”，找到示例文件
选中chapter10.m，点击“打开”
chapter10.m源码如下：
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%功能：离散Hopfield的分类——高校科研能力评价
%环境：Win7，Matlab2015b
%Modi: C.S
%时间：2022-06-09
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 清空环境变量
clear all
clc
tic
%% 导入数据
load class.mat
%% 目标向量
T = [class_1 class_2 class_3 class_4 class_5];
%% 创建网络
net = newhop(T);
%% 导入待分类样本
load sim.mat
A = {
[sim_1 sim_2 sim_3 sim_4 sim_5]};
%% 网络仿真
Y = sim(net,{
25 20},{
},A);
%% 结果显示
Y1 = Y{
20}(:,1:5);
Y2 = Y{
20}(:,6:10);
Y3 = Y{
20}(:,11:15);
Y4 = Y{
20}(:,16:20);
Y5 = Y{
20}(:,21:25);
%% 绘图
result = {
T;A{
1};Y{
20}};
figure
for p = 1:3
for k = 1:5
subplot(3,5,(p-1)*5+k)
temp = result{
p}(:,(k-1)*5+1:k*5);
[m,n] = size(temp);
for i = 1:m
for j = 1:n
if temp(i,j) > 0
plot(j,m-i,'ko','MarkerFaceColor','k');
else
plot(j,m-i,'ko');
end
hold on
end
end
axis([0 6 0 12])
axis off
if p == 1
title(['class' num2str(k)])
elseif p == 2
title(['pre-sim' num2str(k)])
else
title(['sim' num2str(k)])
end
end
end
% 案例扩展(无法分辨情况)
noisy = [1 -1 -1 -1 -1;-1 -1 -1 1 -1;
-1 1 -1 -1 -1;-1 1 -1 -1 -1;
1 -1 -1 -1 -1;-1 -1 1 -1 -1;
-1 -1 -1 1 -1;-1 -1 -1 -1 1;
-1 1 -1 -1 -1;-1 -1 -1 1 -1;
-1 -1 1 -1 -1];
y = sim(net,{
5 100},{
},{
noisy});
a = y{
100};
toc
添加完毕，点击“运行”，开始仿真，输出仿真结果如下：
3. 小结
Hopfield神经网络简称HNN（Hopfiled Neural Network)，是在1982年由美国加州理工学院的J.Hopfield教授提出，它是一种单层反馈神经网络。Hopfield网络是一种循环的神经网络，从输出到输入均有反馈连接，每一个神经元跟所有其他神经元相互连接，又称为全互联网络。它保证了向局部极小值的收敛，但收敛到错误的局部极小值（local minimum），而非全局极小值（global minimum）的情况也可能发生。上一章是应用离散Hopfield神经网络对数字图像进行识别，对本章内容感兴趣或者想充分学习了解的，建议去研习书中第十章节的内容。后期会对其中一些知识点在自己理解的基础上进行补充，欢迎大家一起学习交流。