这个系列的文章主要记录学习《神经网络设计》这本书的收获与总结。
第一部分主要介绍三种网络：
感知机
采用对称硬极限传输函数hardlims的单层感知机
两输入感知机,w11 = -1, w22 = 1如下
a = hardlims(n) = hardlims([-1 1]p + b)
Hamming
Hamming网络的目标时判定哪个标准向量最接近输入向量。
判定结果由递归层的输出表示。
R为样本空间维数S为神经元个数前馈层
前馈层用于实现每个标准模式和输入模式之间的相关检测或求内积。
为了使得前馈层能够完成其功能，可以用标准模式设置其权值矩阵的行，，该权值矩阵用连接矩阵W1表示。
之所以称该网络为Hmming网，是因为在前馈层中具有最大输出的神经元正好对应于输入模式Hamming距离最近的标准模式。
递归层
该层的神经元用前馈层的输出进行初始化，此输出指出标准模式和输入向量之间的关系。
描述竞争的等式为
a2(0) = a1（初始条件）a2(t+1) = poslin(W2a2(t))（迭代）Hopfield网络
这个网络利用输入向量对网络中的神经元进行初始化，然后网络不断迭代直至收敛。
如果网络运行正确，那么最终的输出结果将是一个标准的向量。
描述等式为
a(0) = pa(t + 1) = satlins(Wa(t) + b)
结束语
个人对三种网络的理解如下
如果你不出去走走，你就会以为这就是世界。
