利用伪逆学习规则在 Hopfield 型网络中存储循环：可检索性与分岔分析

本文研究了具有伪逆学习规则的网络中容许循环的可检索性，以及由容许循环构建的网络动力学。讨论了 $C_0>0$ 且 $\lambda$ 足够大时网络中容许循环的可检索性。基于线性稳定性分析，我们推导出了由容许循环构建的网络中平凡解所有可能的局部分岔的完整描述。数值模拟表明，取决于结构特征，容许循环分别作为吸引极限环、不稳定周期解和时滞诱导的长寿命瞬态振荡被存储和检索，而从不动点到从平凡解分岔出的吸引极限环的转变是通过极限环上的多重鞍结分岔发生的。