接近饱和的前馈链式循环吸引子神经网络
凝聚态物理
2009-10-28 v1
摘要
我们对一个由伊辛自旋神经元组成的层状网络进行了稳态复制分析，该网络在每一层内具有循环Hebbian相互作用，并结合了连续层之间的严格前馈Hebbian相互作用。该模型在Amit等人研究的完全循环对称吸引子网络和Domany等人研究的严格前馈吸引子网络之间进行插值。由于缺乏细致平衡，目前只能在零温度极限下求解。前馈（层内遍历）与循环（层内非遍历）两种不同操作模式之间的内在竞争被发现会引发有趣的相变。
引用
@article{arxiv.cond-mat/9606200,
title = {Feed-Forward Chains of Recurrent Attractor Neural Networks Near Saturation},
author = {A. C. C. Coolen and L. Viana},
journal= {arXiv preprint arXiv:cond-mat/9606200},
year = {2009}
}
备注
14 pages LaTex with 4 postscript figures submitted to J. Phys. A