用于语义记忆检索的 Potts 模型的存储容量
无序系统与神经网络
2009-11-11 v3
摘要
我们引入并分析了人脑语义记忆的一个最小网络模型。该模型是一个全局联想记忆，结构为 N 个局部模块的集合，每个模块编码一个特征，该特征可取 S 个可能值，全局稀疏度为 a（描述一个概念的特征平均比例）。我们表明，在最优条件下，平均连接到一个模块的模块数 c 可以在极稀疏连接（c/N -> 0）和全连接（c = N）之间大范围变化，并保持全局网络存储容量（存储和可检索概念的最大数量 p）按 c*S^2/a 标度，其对数修正与每个突触最多可存储一小部分比特的约束相一致。
引用
@article{arxiv.cond-mat/0507111,
title = {The storage capacity of Potts models for semantic memory retrieval},
author = {Emilio Kropff and Alessandro Treves},
journal= {arXiv preprint arXiv:cond-mat/0507111},
year = {2009}
}
备注
Accepted for publication in J-STAT, July 2005