霍普菲尔德

其中，霍普菲尔德是一名物理学家，提出了日后被称为“霍普菲尔德网络”的一种新的神经网络模型，振奋了该领域的研究。

霍普菲尔德是普林斯顿大学的教授

霍普菲尔德是神经网络发展早期的一座重要的里程碑。

谈及今年诺贝尔物理学奖的“跨界”问题，洪亮表示：“91岁的霍普菲尔德是统计物理学家，77岁的辛顿则是一位100%的计算机学家，而且已经得过计算机领域的最高奖——图灵奖。

霍普菲尔德的联想记忆网络和辛顿的玻尔兹曼机等发明，为现代人工智能奠定了重要的理论基础。

在霍普菲尔德网络中，即使拼图块被部分打乱或缺失，网络也能通过调整块之间的连接（拼图块的顺序），最终恢复出完整的图像。

如果把霍普菲尔德网络当作是一个拼图游戏，每个拼图块则代表一个节点，而拼图块之间的凹槽和凸起则代表节点间的连接。

霍普菲尔德网络可以看作是一个由节点和连接组成的复杂系统，每个节点可以存储一个值，类似于黑白照片中的像素。

霍普菲尔德网络：利用物理学存储与重构记忆

他以霍普菲尔德神经网络为基础，创建了一个使用不同方法的新网络——玻尔兹曼机，这种网络可以学习识别给定类型数据中的特征元素。

林伟告诉记者：“霍普菲尔德上世纪80年代发明的霍普菲尔德神经网络，是用来描述和模拟人脑联想记忆的。

霍普菲尔德神经网络也有这个功能，比如科研人员把曾输入神经网络的一张图片加工一下，让它的部分像素缺失，随后将这张图片输入神经网络。

霍普菲尔德神经网络还可以解决“旅行商问题”。

当给定一个不完整或稍微扭曲的网络模式时，霍普菲尔德的方法可以找到最相似的存储模式。

1985年，杰弗里·辛顿、计算神经生物学家特伦斯·谢诺夫斯基（TerrenceSejnowski）等人扩展了霍普菲尔德的思想，创建了一类新的模型，称为玻尔兹曼机，以19世纪物理学家路德维希·玻尔兹曼（LudwigBoltzmann）的名字命名。

10月8日， 瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予 美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿 ， 以表彰他们通过人工神经网络实现机器学 习 而作出的基础性发现和发明

瑞典皇家科学院当地时间10月8日宣布，将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德和杰弗里·E·辛顿，表彰他们在使用人工神经网络进行机器学习的基础性发现和发明

当输入扭曲或不完整的图像时，“霍普菲尔德网络”会系统地遍历节点并更新它们的值，从而降低网络的能量。

20世纪80年代，霍普菲尔德提出的“霍普菲尔德网络”，借鉴了物理学中的自旋相互作用原理，用来模拟大脑中的记忆存储与重构。

尽管霍普菲尔德的研究兴趣让他超出了物理学相关的研究领域，但受益于自己的物理学背景，他从物理学中的自旋系统的特性获得灵感。

林伟告诉记者：“霍普菲尔德上世纪80年代发明的霍普菲尔德神经网络，是用来描述和模拟人脑联想记忆的。