极度稀疏对称 Q-Ising 神经网络的并行动力学
无序系统与神经网络
2015-06-25 v1
摘要
我们采用概率方法研究了极度稀疏对称 Q-Ising 神经网络的并行动力学。尽管网络结构极度稀疏，由对称性引起的反馈相关性仍防止闭形式解，这与极度稀疏非对称模型不同。我们发现一种递归方案，能够考虑所有反馈，确定订单参数的时间演化。该方案基于局部场分布的演化，如同完全连通模型。作为示例，我们对 Q=2 和 Q=3 模型进行了显式分析。这些结果与现有 Q=2 模型的部分结果一致并得到扩展。对于 Q>2 的情况，分析是全新的。最后，我们推导了平衡固定点方程并获得了容量增益函数图。
引用
@article{arxiv.cond-mat/9810386,
title = {Parallel dynamics of extremely diluted symmetric Q-Ising neural networks},
author = {D. Bolle and G. Jongen and G. M. Shim},
journal= {arXiv preprint arXiv:cond-mat/9810386},
year = {2015}
}
备注
26 pages, LaTeX, including 5 figures