随机连接神经网络的大偏差：II. 状态依赖相互作用
概率论
2017-01-05 v6
摘要
这项工作继续分析大脑随机连接神经网络模型的大偏差。该模型的独创性在于以下事实：一个粒子对另一个粒子的定向影响取决于两个粒子的状态，并且（ii）具有随机高斯幅度，其均值和方差随网络大小倒数缩放。与空间扩展情形类似，我们表明在充分正则性假设下，经验测度满足大偏差原理，其良好速率函数在唯一概率测度处取最小值，这尤其意味着在平均和淬灭情形下均收敛，以及混沌传播性质（仅在平均情形下）。我们考虑的模型类别尤其包括具有随机连接的Kuramoto模型的随机版本。
引用
@article{arxiv.1601.00985,
title = {Large deviations for randomly connected neural networks: II. State-dependent interactions},
author = {Tanguy Cabana and Jonathan Touboul},
journal= {arXiv preprint arXiv:1601.00985},
year = {2017}
}