有限温度下神经网络的最优存储容量
凝聚态物理
2007-05-23 v1
摘要
将Gardner对神经网络最优存储容量的分析推广到有限温度效应的研究。对于强稀释网络，计算了相互作用空间的典型体积，作为存储比、温度和容差参数的函数，由此得到最优存储容量作为和的函数。在零温度下，发现无论如何，，而在有限温度下，通常随容差增加而增大。我们展示了如何针对给定的和获得最佳性能，这揭示了在低温下从高质量性能到低质量性能的一级相变。还讨论了一个在附近有效的近似回忆判据。
引用
@article{arxiv.cond-mat/9306032,
title = {Optimal storage capacity of neural networks at finite temperatures},
author = {G. M. Shimi and D. Kim and M. Y. Choi},
journal= {arXiv preprint arXiv:cond-mat/9306032},
year = {2007}
}
备注
22 pages in LaTex, 4 figures upon request, SNUTP-93-26