实数域厄米二次型的优化：实数、复数Hopfield-Amari神经网络
摘要：Hopfield-Amari神经网络动力学优化二次形式的问题 使用简洁优雅的证明提供了局部/全局最小值出现的状态 讨论了使用Hopfield-Amari神经网络进行二次能量函数的局部/全局最小化的定理 将结果推广到复杂超立方体上的"复杂Hopfield神经网络"动力学（使用"复数符号函数"） 通过两个定理推理，无论是在实数还是在"复杂Hopfield神经网络"的情况下，假设阈值向量是零向量是没有丧失一般性的 讨论了一些结构化二次形式，如Toeplitz形式和复数Toeplitz形式
作者：Garimella Ramamurthy, Bondalapati Nischal
论文ID：1206.5651
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2012-07-17