matlab怎么实现离散Hopfield神经网络的分类

MATLAB神经网络工具箱中newhop()函数采用的权值修正法是正交化法，不是采用前面的外积法。通过正交化法设计Hopfield神经网络权系数矩阵：

1. 保证系统在一部工作室的稳定性，即它的权值是对称的；

2. 保证所有要求记忆的稳定平衡点都能收敛到自己；

3. 使伪稳定点的数目尽可能地少；

4. 使稳定点的吸引力尽可能地大。

%% 清空环境变量

clear

clc

%% 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

% 

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};