Cayley树上神经网络的熵分支
动力系统
2018-02-28 v2
摘要
已有研究表明，具有树状结构的可激发介质优于其他网络拓扑，因此考虑定义在Cayley树上的神经网络是自然的。当讨论Cayley树上神经网络的平衡解时，对一种称为有限型树移位（tree-shift of finite type）的符号空间的研究十分重要。熵是常用于度量系统复杂性的不变量，而对于神经元间耦合权重的一个开集保持常熵意味着该特定网络是稳定的。本文给出了Cayley树上神经网络熵谱的完整刻画，并揭示了当耦合权重变化时熵是否发生分支。
引用
@article{arxiv.1706.09283,
title = {Entropy bifurcation of neural networks on Cayley trees},
author = {Jung-Chao Ban and Chih-Hung Chang and Nai-Zhu Huang},
journal= {arXiv preprint arXiv:1706.09283},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1701.05113