Hopfield 网络推断的状态采样依赖性
无序系统与神经网络
2014-12-24 v2 神经元与认知
摘要
基于观测到的磁化强度和成对关联，对全连接 Hopfield 网络进行推断。我们展示了系统在低温、高记忆负荷下的玻璃相。我们发现，推断误差对状态采样的形式非常敏感。当采样单一状态来计算磁化强度和关联时，无论采样哪个状态，推断误差几乎无法区分。然而，如果通过状态转移来收集数据，误差可以大幅降低。我们的结果适用于不同的无序样本，并解释了先前观测到的低温下推断误差的大幅波动。
引用
@article{arxiv.1104.4931,
title = {State sampling dependence of the Hopfield network inference},
author = {Haiping Huang},
journal= {arXiv preprint arXiv:1104.4931},
year = {2014}
}
备注
4 pages, 1 figure, further discussions added and relevant references added