Brain-State-in-a-Box Network
Brain-State-in-a-Box (BSB) neural network เป็นเครือข่ายประสาทเทียมแบบ nonlinear auto-Associative และสามารถขยายไปสู่การเชื่อมโยงแบบ hetero ที่มีสองเลเยอร์ขึ้นไป นอกจากนี้ยังคล้ายกับเครือข่าย Hopfield เสนอโดย JA Anderson, JW Silverstein, SA Ritz และ RS Jones ในปีพ. ศ. 2520
ประเด็นสำคัญที่ต้องจำเกี่ยวกับ BSB Network -
เป็นเครือข่ายที่เชื่อมต่อเต็มรูปแบบโดยมีจำนวนโหนดสูงสุดขึ้นอยู่กับขนาด n ของพื้นที่ป้อนข้อมูล
เซลล์ประสาททั้งหมดได้รับการอัปเดตพร้อมกัน
เซลล์ประสาทรับค่าระหว่าง -1 ถึง +1
สูตรทางคณิตศาสตร์
ฟังก์ชันโหนดที่ใช้ในเครือข่าย BSB เป็นฟังก์ชันทางลาดซึ่งสามารถกำหนดได้ดังนี้ -
$$ f (net) \: = \: min (1, \: max (-1, \: net)) $$
ฟังก์ชันทางลาดนี้มีขอบเขตและต่อเนื่อง
ดังที่เราทราบว่าแต่ละโหนดจะเปลี่ยนสถานะสามารถทำได้ด้วยความช่วยเหลือของความสัมพันธ์ทางคณิตศาสตร์ต่อไปนี้ -
$$ x_ {t} (t \: + \: 1) \: = \: f \ left (\ begin {array} {c} \ displaystyle \ sum \ LIMIT_ {j = 1} ^ n w_ {i, j } x_ {j} (t) \ end {array} \ right) $$
ที่นี่ xi(t) คือสถานะของไฟล์ ith โหนดในเวลา t.
น้ำหนักจาก ith โหนดถึง jth โหนดสามารถวัดได้ด้วยความสัมพันธ์ต่อไปนี้ -
$$ w_ {ij} \: = \: \ frac {1} {P} \ displaystyle \ sum \ LIMIT_ {p = 1} ^ P (v_ {p, i} \: v_ {p, j}) $$
ที่นี่ P คือจำนวนรูปแบบการฝึกอบรมซึ่งเป็นสองขั้ว