Core Concepts
헤비안-홉필드 네트워크의 연상 메모리 용량은 특정 패턴의 크기에 선형적으로 스케일링됩니다.
Abstract
Hopfield이 제안한 Hebbian 학습 규칙 기반 신경 네트워크 모델
네트워크의 용량은 패턴의 크기에 선형적으로 스케일링됨
AGS 및 NLT 패턴의 기반 특성
풀리 리프트 랜덤 이중성 이론을 사용한 용량 특성
AGS 및 NLT 용량 특성의 수치적 계산
연상 메모리 용량의 통계적 특성 및 연산
Stats
αc = limn→∞ m/n ≈ 0.14
α(AGS,1)c ≈ 0.137906
α(NLT,1)c ≈ 0.129490
α(AGS,2)c ≈ 0.138186
α(NLT,2)c ≈ 0.12979
Quotes
"헤비안-홉필드 네트워크의 연상 메모리 용량은 패턴의 크기에 선형적으로 스케일링됩니다."
"AGS 및 NLT 패턴의 기반 특성에 따라 용량 특성이 결정됩니다."