缓慢演化的随机图 II：有限连通Hopfield模型中的自适应几何
无序系统与神经网络
2009-11-10 v1 统计力学
摘要
我们提出了一个解析可解的随机图模型，其中节点之间的连接可以随时间演化，且演化速度相比节点的动力学呈绝热缓慢。我们将该形式体系应用于有限连通吸引子神经网络（Hopfield）模型，并表明由于挫败效应的最小化，相图的检索区可以被显著扩大。此外，失配自旋的比例因该效应而减小，且小于无限连通情形下的比例。我们发现造成这一差异的主要原因是，在有限连通时存在局部场为零的非零比例的格点。
关键词
引用
@article{arxiv.cond-mat/0404658,
title = {Slowly evolving random graphs II: Adaptive geometry in finite-connectivity Hopfield models},
author = {B. Wemmenhove and N. S. Skantzos},
journal= {arXiv preprint arXiv:cond-mat/0404658},
year = {2009}
}
备注
17 pages, 8 figures