Propósito: Diseña una red de Hopfield.

Una red de hopfield consiste de una capa de neuronas con funciones linealmente saturadas simétricas, cuyas salidas se retroalimentan a través de una matriz de pesos para convertirse en entradas.

Al principio toma  cualquier vector de salida inicial, la red se actualizará hasta que llegue a un estado estable.

Estos vectores de salida estables son considerados a ser memorias, las cuales son recordadas por los vectores iniciales.

El diseño de una red de Hopfield considera el cálculo de los pesos W y umbrales B de una capa linealmente saturada simétrica, de tal forma que los vectores objetivo, son vectores de salida estables de la red

Sintaxis
[W,b] = solvehop(T)

Regresa una matriz de pesos y un vector de umbrales, los cuales dan como resultado un vector de salida estable, dado por la matriz de vectores objetivo T.

Una red de hopfield consiste de una capa de neuronas con funciones linealmente saturadas simétricas, cuyas salidas se conectan a sus entradas a través de una matriz de pesos.

Las salidas de las neuronas son asignadas como condiciones iniciales.  Es entonces cuando  a la red se le permite actualizarse para un número t de pasos.  En algún momento la red alcanza un punto de estabilidad donde cada nueva salida corresponde a la salida previa Los vectores finales de salida son interpretados  como la clasificación del vector inicial.  Cada red de hopfield tiene un número   finito de tales vectores estables finales.

Sintaxis
simuhop(a,W,b,t)

Simula una red de Hopfield con vectores de salida iniciales a, una matriz de pesos W y un vector de umbral b para t pasos de tiempo y regresa un vector de salida final.

[a,X] = simuhop(a,W,b,t)

Regresa tanto un vector de salida final y un matriz X de todos los vectores de entrada generados a través de la simulación.

Si la matriz de vectores iniciales esta dada por simuhop, entonces X únicamente recuerda la ruta asociada con el primero de estos vectores iniciales.