实Hermite二次型的优化：实与复Hopfield-Amari神经网络
神经与进化计算
2012-07-17 v2
摘要
本文研究了与Hopfield-Amari神经网络动力学相关的二次型优化问题。给出了二次型局部/全局最小值达到状态的简洁证明。讨论了使用Hopfield-Amari神经网络实现二次能量函数局部/全局最小化的定理。结果推广到复超立方体上的“复Hopfield神经网络”动力学（使用“复符号函数”）。还通过两个定理论证了在实数和“复Hopfield神经网络”情况下假设阈值向量为零向量不失一般性。讨论了一些结构化二次型，如Toeplitz形式和复Toeplitz形式。
引用
@article{arxiv.1206.5651,
title = {Optimization of Real, Hermitian Quadratic Forms: Real, Complex Hopfield-Amari Neural Network},
author = {Garimella Ramamurthy and Bondalapati Nischal},
journal= {arXiv preprint arXiv:1206.5651},
year = {2012}
}