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