如何利用Hopefield神经网络生成伪随机二进制序列（如42位）？

实现思路 #

Hopefield神经网络会通过迭代更新神经元状态，最终收敛到一个能量最低的稳定状态，这个稳定状态就是符合要求的二进制模式。具体步骤如下：

• 随机生成一个±1的初始状态向量（后续可转换为0/1格式）。
• 构造符合Hopefield网络约束的随机对称权重矩阵（对角线元素必须为0）。
• 采用异步方式随机更新每个神经元的状态，直到状态不再变化，此时得到的就是稳定的二进制模式。

Python代码实现 #

import numpy as np

def generate_hopfield_binary_sequence(length):
    # 初始化随机初始状态，用±1表示神经元状态
    state = np.random.choice([-1, 1], size=length)
    # 生成随机对称权重矩阵，对角线置0
    np.random.seed(None)
    weights = np.random.randn(length, length)
    weights = (weights + weights.T) / 2  # 转为对称矩阵
    np.fill_diagonal(weights, 0)  # 对角线元素设为0
    
    # 异步更新状态直到稳定
    stable = False
    while not stable:
        prev_state = state.copy()
        # 随机打乱神经元更新顺序，避免振荡
        for i in np.random.permutation(length):
            activation = np.dot(weights[i], state)
            state[i] = 1 if activation >= 0 else -1
        # 检查状态是否不再变化
        if np.array_equal(state, prev_state):
            stable = True
    
    # 将±1转换为0/1，拼接成二进制字符串
    binary_str = ''.join(['1' if x == 1 else '0' for x in state])
    return binary_str

# 生成42位二进制序列
target_sequence = generate_hopfield_binary_sequence(42)
print("生成的42位二进制序列：", target_sequence)

代码说明 #

• 初始状态：随机生成的±1向量，保证了序列的初始随机性。
• 权重矩阵：随机对称矩阵符合Hopefield网络的权重要求，确保网络能收敛到稳定状态。
• 异步更新：随机选择神经元更新顺序，避免同步更新可能出现的状态振荡，确保收敛。
• 格式转换：将Hopefield网络常用的±1状态转换为0/1的二进制字符串，满足输出需求。

如果需要生成多个不同的序列，只需多次调用generate_hopfield_binary_sequence函数即可，每次运行都会得到不同的结果。

内容的提问来源于stack exchange，提问作者Md. Habibur Rahman