序列处理神经网络的相图与存储容量
无序系统与神经网络
2015-06-25 v1 q-bio
摘要
我们求解了接近饱和时存储模式序列的Hopfield型神经网络的动力学。此类模型中相互作用矩阵的非对称性导致细致平衡的破坏,排除了平衡态统计力学分析的可能性。利用生成泛函方法,我们在热力学极限下推导了动力学序参量(即序列重叠以及关联函数和响应函数)的精确闭合方程。我们计算了这些方程的时间平移不变解,描述了稳态极限环,从而得到了相图。对称模型中通常出现的有效延迟自相互作用在此处被发现为零,这导致存储容量显著增大至,而存储静态模式的Hopfield网络的存储容量为。我们的结果经过了广泛的计算机模拟测试,两者吻合良好。
引用
@article{arxiv.cond-mat/9805073,
title = {Phase Diagram and Storage Capacity of Sequence Processing Neural Networks},
author = {A. During and A. C. C. Coolen and D. Sherrington},
journal= {arXiv preprint arXiv:cond-mat/9805073},
year = {2015}
}
备注
17 pages Latex2e, 2 postscript figures