milan米兰体育app下载 使用混合阶超网络进行训练和计算

引用

Swingler K & Smith L (2014) 使用混合阶超网络进行训练和计算。神经计算，141，第 65-75 页。 https://doi.org/10.1016/j.neucom.2013.11.041

摘要
具有混合阶权重、n 个神经元和修改后的赫布学习规则的神经网络可以学习任何函数 f:-1,1n→Rf:-1,1n→R 并将其输出再现为网络的能量函数。网络权重等于沃尔什系数，定点吸引子是函数中的局部最大值，网络权重的部分和通过函数计算超平面的平均值。如果网络是根据从分布中采样的数据进行训练的，则可以进行边际概率和条件概率计算，并从网络生成的分布中采样。这些品质使网络成为优化适应度函数建模的理想选择，并使变量之间的关系以 MLP 等架构所不具备的方式变得明确。

关键字
高阶神经网络； 优化; 沃尔什函数

期刊
神经计算：第 141 卷