PulseAugur
中
实时 22:10:01
English(EN) High-Capacity Generalized Hopfield Networks

新型Hopfield网络利用SU(d)群实现容量提升10倍

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种广义Hopfield网络，该网络利用黎曼流形上的连续变量，特别关注与特殊酉群SU(d)相关的对称空间。这种新方法在临界容量方面表现出显著增强，比传统向量网络高近一个数量级，并且容量随d迅速增长。该方法采用李代数方法在辅助希尔伯特空间内的线性代数中描述网络，通过与顶部特征向量对齐实现记忆检索，这种方法比其他连续模型更不易受到串扰的影响。论文通过RGB图像编码/解码协议说明了这一点，并讨论了使用广义Landau-Lifshitz-Gilbert动力学进行物理实现的潜力。 AI

影响 引入了一种新颖的神经网络理论框架，具有增强记忆容量和鲁棒性的潜力。

排序理由 该集群包含两篇相同的arXiv预印本，详细介绍了广义Hopfield网络的新理论模型。

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型Hopfield网络利用SU(d)群实现容量提升10倍

报道来源 [2]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Victor Galitski ·

    高容量广义Hopfield网络

    Generalized Hopfield networks are introduced where memories and neurons are continuous variables that lie on a Riemannian manifold. We explicitly focus on symmetric spaces associated with the special unitary groups SU(d), and use both numerical and analytical (replica) techniques…

  2. arXiv cs.CV TIER_1 English(EN) · Victor Galitski ·

    高容量广义Hopfield网络

    arXiv:2608.08226v1 Announce Type: cross Abstract: Generalized Hopfield networks are introduced where memories and neurons are continuous variables that lie on a Riemannian manifold. We explicitly focus on symmetric spaces associated with the special unitary groups SU(d), and use …

相关实体

相关话题