非对称神经网络中的可满足性转变
摘要：突触间的不对称性在确定循环神经网络的记忆存储和检索特性中起着关键作用。在本研究中，我们分析了在由确定不对称度的突触矩阵连接的神经元网络中存储随机记忆的问题。我们研究了与给定记忆的突触矩阵寻找相关的约束满足问题解空间中的满足度和聚类过渡。我们发现，除了网络中存储的记忆的关键数量上的通常的满足/不满足过渡之外，对于非常不对称的矩阵，还有另一个过渡，其中相互竞争的约束（确定不对称度与记忆存储）在问题中引起足够的挫败感，使其无法解决。这一发现在只有一个要存储的记忆的情况下尤为引人注目，在系统中没有凝固随机扰动。
作者：Fabi''an Aguirre-L''opez, Mauro Pastore, Silvio Franz
论文ID：2204.03577
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2022-10-11