我刚开始阅读关于神经网络的资料，有一个基本的问题。关于霍普菲尔德网络的“初始化”，我无法理解初始化的概念。也就是说，我们是输入一些随机数吗？还是输入一个明确定义的模式，使神经元在第一次启动时就稳定下来，假设所有神经元最初的状态都等于零，而其他的稳定状态在输入后为 1 或 -1。

请看下面的神经网络。我从 HeatonResearch 获取。

如果有人能帮我澄清这一点，我会很高兴。

回答：

在初始化神经网络（包括循环霍普菲尔德网络）时，通常使用随机权重进行初始化，因为通常这会在多次试验和多次运行中提供良好的学习时间，并且会避免局部最小值。从多次运行中使用相同的起始权重通常不是一个好主意，因为你很可能会遇到相同的局部最小值。在某些配置中，可以通过分析节点在功能映射中的作用来加快学习速度，但这通常是在获得一些有效的东西之后进行分析的后续步骤。