簡介
反饋網路(Recurrent Network)，又稱自聯想記憶網路，其目的是為了設計一個網路，儲存一組平衡點，使得當給網路一組初始值時，網路通過自行運行而最終收斂到這個設計的平衡點上。
1982年，美國加州工學院物理學家霍普菲爾德(J．Hopfield)發表了一篇對人工神經網路研究頗有影響的論文。
特性
反饋網路能夠表現出非線性動力學系統的動態特性。它所具有的主要特性為以下兩點：
第一、網路系統具有若干個穩定狀態。當網路從某一初始狀態開始運動，網路系統總可以收斂到某一個穩定的平衡狀態；
第二、系統穩定的平衡狀態可以通過設計網路的權值而被存儲到網路中。
霍普菲爾德網路
霍普菲爾德網路是單層對稱全反饋網路，根據其激活函式的選取不同，可分:離散型的霍普菲爾德網路(Discrete Hopfield Neural Network,DHNN)和連續型的霍普菲爾德網路(Continuous Hopfield Neural Network,CHNN)。其中，DHNN的激活函式為二值型的，其輸入、輸出為{0，1}的反饋網路，主要用於聯想記憶；CHNN的激活函式的輸入與輸出之間的關係為連續可微的單調上升函式，主要用於最佳化計算。
