全连接多状态神经网络模型中的分类
摘要：基于全连接神经网络模型的离散或连续Q态单元的分类能力在本文中在副本对称均场理论中进行了研究。在网络中嵌入了祖先和后代（示例）的两级结构中的层次相关的多态模式，分类任务是在网络仅使用其后代进行训练时识别祖先。通过相图和分类曲线的形式，获得了Q = 3态模型和Q = 无穷态模型平衡性质的显式结果。在使用低活动度示例训练网络时，发现分类能力得到了显著改善。发现分类能力对有限的阈值和突触噪声具有鲁棒性。还获得了限制副本对称结果有效性的Almeida-Thouless线。
作者：R. Erichsen, W. K. Theumann and D. R. C. Dominguez
论文ID：cond-mat/9910009
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2007-05-23