新研究论文详述滞后神经网络中的不动点

一篇发表在arXiv上的研究论文探讨了离散时间滞后神经网络中多个不动点的概念。研究详细说明了网络中的二值滞后神经元如何受到阈值参数的影响，从而导致各种稳定的不动点。研究人员引入了熵作为一种度量，用于评估吸引盆大小的分布，吸引盆代表收敛到特定不动点的初始状态。该论文还以二值数据分类问题为例，展示了该参数如何控制熵，并可能最大化熵以实现更均匀的分布。 AI

影响 这项研究有助于加深对神经网络动力学的理论理解，可能为未来的模型架构提供信息。

排序理由 该集群包含一篇发表在arXiv上的学术论文，详细介绍了神经网络的理论研究。[lever_c_demoted from research: ic=1 ai=1.0]

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

• alphaXiv
• arXiv
• arXivLabs
• Bank of America
• Basins of Attraction to Multiple Fixed Points in Discrete-time Hysteresis Neural Networks
• binary hysteresis neurons
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Discrete-time hysteresis neural network
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →