知识卡片
联想记忆从扰动状态恢复模式
Hopfield 网络通过相互连接的单元存储模式,并从给定初始状态反复更新,向稳定状态演化;在适当条件下,网络能从受扰动或不完整的输入恢复相近的存储模式,这称为联想记忆。能量函数可帮助分析特定更新规则下的稳定性;恢复不一定正确,网络也可能落入其他局部稳定状态。它与按时间步处理序列的 Elman 网络用途不同,虽然都具有反馈连接。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 循环递归RNN,序列建模套路深 14章序列和循环网络背景 · 查看原书依据
即便输入的数据不完整或部分正确
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第14章《循环递归RNN,序列建模套路深》(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter19_0003.xhtml#txt014_5)
- 结论依据:原文类比与机制;条件独立、稳定性和失败情形明确了适用边界。
- 原始内容:即便输入的数据不完整或部分正确