ホップフィールド ネットワークは、1982 年に米国カリフォルニア工科大学の物理学者、ジョン ホップフィールドによって提案されました。彼は、人工ニューラル ネットワーク研究に関して影響力のある論文を発表しました。新たな集合的計算能力を備えたニューラル ネットワークと物理システム」（ニューラルネットワークと創発集合的コンピューティング能力を備えた物理システム）では、ホップフィールドネットワークの基本理論が紹介されています。 2024 年、ジョン ホップフィールドはニューラル ネットワークに関する研究でノーベル物理学賞を受賞しました。
ホップフィールド ネットワークはリカレント ニューラル ネットワークの一種です。記憶システムとバイナリシステムを組み合わせたニューラルネットワークで、主に連想記憶やパターン認識などの問題に使用されます。その中心的な機能は、1 つまたは複数の安定状態に収束する機能です。これらの安定状態は、アトラクターとも呼ばれます。各アトラクターは、パターンを保存するために使用できます。入力データが不完全または乱れた情報である場合、ネットワークは関連付けを通じて完全な情報を呼び出すことができます。
構造的には、ホップフィールド ネットワークは単層の完全に接続されたニューラル ネットワークです。つまり、ニューラル ネットワークの層内の任意の 2 つのニューロン間に接続があり、接続の重みは対称です。ニューロンの出力には 2 つの状態 (-1 または 1、または 0 または 1 など) しかありません。ニューロンの状態は、他のニューロンの状態とそれらの間の接続の重みによって異なります。