受Hebb式学习规则调节的神经网络双向通信
无序系统与神经网络
2007-05-23 v1 q-bio
摘要
我们展示了我们最近引入的随机Hebb式学习规则能够学习由Watts和Strogatz的算法生成的一般网络拓扑中的时序问题。我们将结果与巴克和奇尔维奥提出的学习规则进行比较，结果不仅在收敛行为上显著优于巴克-奇尔维奥学习规则，还表现出对要学习的模式呈现顺序的依赖性，这通过引入一个额外的自由度，使神经网络能够自主选择下一个要学习的模式，而巴克-奇尔维奥学习规则则不受此影响。这种依赖性在神经元层面和行为水平之间提供了双向通信，从而完成了任何具有大脑的活生生生物体所特有的动-感知循环。
引用
@article{arxiv.cond-mat/0307667,
title = {Bidirectional communication in neural networks moderated by a Hebb-like learning rule},
author = {Frank Emmert-Streib},
journal= {arXiv preprint arXiv:cond-mat/0307667},
year = {2007}
}
备注
7 pages, 4 figures