研究人员探索了一个随机指数密集联想记忆（SEDAM）模型，通过时间复杂度（TC）的视角研究其自组织动力学。研究表明，SEDAM模型表现出具有无标度行为的复杂间歇性，表明存在自发自组织。这种复杂行为出现在一系列噪声强度下，这种现象被称为扩展临界性，并且随着记忆负载的增加，所需的噪声强度会降低。研究结果表明，TC是理解神经系统中信息处理的一个有价值的框架，将记忆负载与网络的自组织能力联系起来。 AI
排序理由 该集群包含一篇详细介绍新模型及其分析的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2601.11478v2 Announce Type: replace-cross Abstract: Dense Associative Memory (DAM) models generalize the classical Hopfield model by incorporating n-body or exponential interactions that greatly enhance storage capacity. While the criticality of DAM models has been largely …