Hopfield模型是一種人工神經網路模型，由約翰·霍普菲爾德於1982年提出。Hopfield模型是一種循環神經網路，其特點是每個神經元的輸出都反饋到其他神經元的輸入，形成全網際網路。
在Hopfield模型中，神經元採用二值輸出（0或1），或者雙極值輸出（-1或1），這取決於所採用的激勵函式。Hopfield模型能夠通過調整連線權重來存儲和檢索特定的模式，這種能力使其成為聯想記憶的理想候選者。
Hopfield模型的理論基礎部分來源於Ising模型，這是一個著名的物理模型，用於描述磁性系統的相變現象。在Hopfield模型中，網路的穩定性是通過能量函式來保證的，這與Ising模型中的能量函式有相似之處。
Hopfield模型的主要優勢在於其能夠處理聯想記憶問題，即從部分信息中恢復完整的記憶。然而，它也存在一些局限性，比如可能收斂到局部極小值而非全局最小值，以及對於噪聲的敏感性。
總的來說，Hopfield模型是一種重要的神經網路模型，它在聯想記憶、最佳化問題和模式識別等領域有著廣泛的套用。