吸引子神经网络中的向量符号有限状态机
摘要：Hopfield引子网络是人类记忆的强大分布式模型。我们提出了构建规则，使得吸引子网络可以实现任意有限状态机（FSM），其中状态和刺激由高维随机二极性向量表示，并且所有状态转换都由吸引子网络的动力学完成。数值模拟显示，这个模型的容量，以实现的FSM的最大大小来衡量，与吸引子网络的大小呈线性关系。我们表明，该模型对于不准确和噪声权重很具稳健性，因此是使用高密度但不可靠的设备实现的最佳选择。通过赋予吸引子网络模拟任意FSM的能力，我们提出了一种合理的途径，FSM可能存在于生物神经网络中作为分布式计算基本单元。
作者：Madison Cotteret, Hugh Greatorex, Martin Ziegler, Elisabetta Chicca
论文ID：2212.01196
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-12-05