吸引子神经网络的拓扑结构与计算性能
无序系统与神经网络
2009-11-10 v1
摘要
为探讨网络结构与功能之间的关系，我们研究了具有规则格点、随机、小世界和无尺度拓扑结构的 Hopfield 型吸引子神经网络的计算性能。其中，随机网络在存储和检索模式方面最有效。然而，在无尺度网络中，检索误差并非均匀分布：由高度连通节点组成的模式子集更稳健，能够更有效地被识别。因此，无尺度网络实现了非常强的部分识别能力。这一结果对脑功能和社会动力学具有启发性。
关键词
引用
@article{arxiv.cond-mat/0304021,
title = {Topology and Computational Performance of Attractor Neural Networks},
author = {Patrick N. Mcgraw and Michael Menzinger},
journal= {arXiv preprint arXiv:cond-mat/0304021},
year = {2009}
}
备注
2 figures included. Submitted to Phys. Rev. Letters