用神经元模拟磁旋，用连接权模拟磁场中磁旋的相互作用，用各神经元的激活、抑制这两种状态，模拟磁旋的上下两个方向。 构成一个具有记忆功能的NN，并用计算能量函数，来评价和指导整个网络的记忆功能。 -using simulated neurons magnetic spins, and connecting with the right analog magnetic rotary magnetic field interaction with the activation of neuron

Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元

回声状态网络ESN源代码，python版，适用与python3和python2，包括输入层到输出层连接(Echo state networks python code, suit for python3 and python2, including input units to output units links)