Brain-State-in-a-Box-Netzwerk
Das neuronale Brain-State-in-a-Box-Netzwerk (BSB) ist ein nichtlineares autoassoziatives neuronales Netzwerk und kann auf eine Heteroassoziation mit zwei oder mehr Schichten erweitert werden. Es ähnelt auch dem Hopfield-Netzwerk. Es wurde 1977 von JA Anderson, JW Silverstein, SA Ritz und RS Jones vorgeschlagen.
Einige wichtige Punkte, die Sie bei BSB Network beachten sollten -
Es ist ein vollständig verbundenes Netzwerk mit der maximalen Anzahl von Knoten in Abhängigkeit von der Dimensionalität n des Eingaberaums.
Alle Neuronen werden gleichzeitig aktualisiert.
Neuronen nehmen Werte zwischen -1 bis +1 an.
Mathematische Formulierungen
Die im BSB-Netzwerk verwendete Knotenfunktion ist eine Rampenfunktion, die wie folgt definiert werden kann:
$$ f (net) \: = \: min (1, \: max (-1, \: net)) $$
Diese Rampenfunktion ist begrenzt und kontinuierlich.
Da wir wissen, dass jeder Knoten seinen Zustand ändern würde, kann dies mit Hilfe der folgenden mathematischen Beziehung erfolgen:
$$ x_ {t} (t \: + \: 1) \: = \: f \ left (\ begin {array} {c} \ displaystyle \ sum \ limit_ {j = 1} ^ n w_ {i, j } x_ {j} (t) \ end {array} \ right) $$
Hier, xi(t) ist der Zustand der ith Knoten zur Zeit t.
Gewichte von ith Knoten zu jth Knoten kann mit der folgenden Beziehung gemessen werden -
$$ w_ {ij} \: = \: \ frac {1} {P} \ Anzeigestil \ sum \ limit_ {p = 1} ^ P (v_ {p, i} \: v_ {p, j}) $$
Hier, P ist die Anzahl der Trainingsmuster, die bipolar sind.