有向稀疏霍普菲尔德网络中的网络层次结构与模式恢复
摘要：稀疏、有向和分层网络是许多现实世界网络的特点，其层次结构中包含正向和反馈连接。此外，少数“主节点”通常能够驱动整个系统。我们使用营养分析方法研究在稀疏、有向、类似于Hopfield的神经网络上的模式呈现和恢复动力学，以描述其层次结构。这是一种最近开发的方法，可以量化层次结构中每个节点的局部位置（营养水平）以及网络的全局定向性（营养相干性）。我们表明，即使在一个循环网络中，系统的状态也可以通过一小部分神经元来控制，这些神经元可以通过其低营养水平进行识别。我们还发现，通过调整网络的营养相干性和其他拓扑特性，可以显著改善模式恢复任务的性能。这也许可以解释观察到的动物大脑相对稀疏和相干的结构，并为改进人工神经网络的架构提供见解。此外，我们预计通过数值分析所展示的原则将与各种具有有向和稀疏底层网络结构的系统相关，例如生物、社会或金融网络。
作者：Niall Rodgers, Peter Tino and Samuel Johnson
论文ID：2202.00350
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2022-06-22