内核记忆网络：一种用于记忆建模的统一框架
摘要：训练神经网络以最大噪声鲁棒性存储一组模式的问题 通过训练每个个体神经元执行具有最小权重范数的核分类或插值，得到解决方案（最优权重和状态更新规则） 通过将此方法应用于前馈和递归网络，得出包含许多在过去几年中提出的异质和自联想记忆模型的特殊情况的最优模型，例如现代Hopfield网络和Kanerva的稀疏分布式存储器 修改Kanerva的模型，并展示一种设计核存储网络的简单方法，可以存储指数数量的连续值模式，具有有限的吸引域。 核存储网络的框架提供了理解先前记忆模型存储能力的简单直观方式，并允许用树突非线性和突触交叉通讯进行新的生物学解释。
作者：Georgios Iatropoulos, Johanni Brea, Wulfram Gerstner
论文ID：2208.09416
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-11-04