具有可变稀疏度的同步BEG神经网络
摘要：变量稀释是通过修剪哈密顿量中的不同类型的耦合来实现的。本文通过复制均场理论研究了具有同步更新和变量稀释的Blume-Emery-Griffiths神经网络的热力学和检索特性。讨论了双周期的出现和特性。对于几种不同的模式活动值，得到了容量-温度相图。将结果与顺序更新的情况进行了比较。研究了自耦合的影响。此外，得到了给出最大关键容量的最佳稀释参数组合。
作者：D. Boll''e and J. Busquets Blanco
论文ID：cond-mat/0505326
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2007-05-23