分层 Hopfield 模型的数学分析
概率论
2026-04-29 v1
摘要
我们要解决的核心问题是：结构化信息如何存储在涉及隐层的分层 Hopfield 模型中？为此，我们开发了一种笔画与概念的形式体系，使我们能够适当地构建信息结构：初始特征首先被分类为笔画，第二步再将其聚合为概念。我们严格推导了从含噪输入数据中检索概念的标准。一个显著的效果是，我们不需要在笔画层进行完美检索，因为第二层检索过程能补偿第一层的错误。我们分别处理了固定大小和可变大小概念的情况。
关键词
引用
@article{arxiv.2604.25470,
title = {A mathematical analysis of hierarchical Hopfield models},
author = {Markus Heydenreich and Christian Hirsch and Matthias Löwe},
journal= {arXiv preprint arXiv:2604.25470},
year = {2026}
}
备注
26 pages, 1 figure