中文

核关联记忆信息几何学中的边缘稳定性:谱浓度分析

机器学习 2025-12-23 v5 神经与进化计算 机器学习

摘要

高容量核 Hopfield 网络表现出一种优化谱的特征,具有极端稳定性。虽然此前将其链接到谱浓度,但其来源尚不明确。本文在统计流形上分析网络动力学,揭示该谱对应于稳定性边缘, Fisher 信息矩阵在此处变为奇异。我们证明,看似欧几里得力的对抗是黎巴宗空间中双重平衡的表现。这一发现通过最小描述长度原理统一了学习动力学和容量,提供了自组织临界性的几何理论。

关键词

引用

@article{arxiv.2511.23083,
  title  = {Spectral Concentration at the Edge of Stability: Information Geometry of Kernel Associative Memory},
  author = {Akira Tamamori},
  journal= {arXiv preprint arXiv:2511.23083},
  year   = {2025}
}

备注

5 pages, 4 figures