2、DHNN网络权值的选取
二、HNN之CHNN
连续Hopfield神经网络CHNN（Continuous Hopfield Neural Network）与DHNN在拓扑结构上是一致的。
HNN与DHNN的主要区别—CHNN采用S型连续的Sigmoid函数：CHNN与DHNN不同之处在于其函数g不是阶跃函数，而是S型的连续函数。
(1)、CHNN与DHNN的主要差别在于：CHNN神经元激活函数使用Sigmoid函数，而DHNN神经元激活函数使用了硬极限函数。
CHNN的各个神经元同步式工作：CHNN在时间上是连续的，所以CHNN网络中各个神经元是处于同步方式工作的。
CHNN网络是稳定的条件—函数连续且有界+权值 系数矩阵对称：当CHNN网络的神经元传递函数g是连续且有界的（如Sigmoid函数），并且CHNN网络的权值系数矩阵对称，则这个CHNN网络是稳定的。
1、优化问题
在实际应用中的系统，如果其优化问题可以用能量函数E(t)作为目标函数，那么CHNN网络和优化问题直接对应。这样，大量优化问题都可以用CHNN网络来求解。这也是Hopfield网络用于神经计算的基本原因。
