Das Hopfield-Netzwerk wurde 1982 von John Hopfield, einem Physiker am California Institute of Technology, vorgeschlagen. Er veröffentlichte eine Arbeit, die großen Einfluss auf die Forschung zu künstlichen neuronalen Netzwerken hatte.Neuronale Netzwerke und physikalische Systeme mit emergenten kollektiven Rechenfähigkeiten„(Neural Networks and Physical Systems with Emergent Collective Computation)“ führte in die grundlegende Theorie der Hopfield-Netzwerke ein. Im Jahr 2024 erhielt John Hopfield den Nobelpreis für Physik für seine Arbeit über neuronale Netzwerke.

Ein Hopfield-Netzwerk ist eine Art rekurrentes neuronales Netzwerk. Es handelt sich um ein neuronales Netzwerk, das ein Speichersystem und ein Binärsystem kombiniert und hauptsächlich für Probleme wie assoziatives Gedächtnis und Mustererkennung verwendet wird. Sein Kernmerkmal ist die Fähigkeit, zu einem oder mehreren stabilen Zuständen zu konvergieren, die auch Attraktoren genannt werden, und jeder Attraktor kann zum Speichern eines Musters verwendet werden. Wenn die Eingabedaten unvollständig sind oder Informationen verfälscht enthalten, kann das Netzwerk durch Assoziation die vollständigen Informationen abrufen.

Strukturell ist das Hopfield-Netzwerk ein einschichtiges, vollständig verbundenes neuronales Netzwerk, d. h., zwei beliebige Neuronen in einer Schicht des neuronalen Netzwerks sind verbunden und die Verbindungsgewichte sind symmetrisch. Die Ausgabe eines Neurons hat nur zwei Zustände (z. B. -1 oder 1 oder 0 oder 1), und der Zustand eines Neurons hängt von den Zuständen anderer Neuronen und den Verbindungsgewichten zwischen ihnen ab.