Python 实现两态Hopfield网络
如何实现两态或模拟Hopfield网络模型，使用外部产品学习规则探索其作为维度N函数的能力？我正试图着手一个小的编程项目，我被困在如何着手启动这个模型上 根据提示，有多种方法解决此问题。一种方法是生成许多随机模式，将它们作为存储器存储在T矩阵中，然后显示当网络状态V在其中一个存储模式处初始化时，在运行动力学时它不会移动。作为N的函数，可以存储多少个模式作为稳定吸引子？另一个需要探索的是汉明收敛半径——即，如果您将网络状态初始化为一个存储模式，该模式已被翻转K位所干扰，那么您可以使K变大，并使网络仍然收敛到正确的内存中？K如何依赖于存储模式的数量Python 实现两态Hopfield网络,python,neural-network,google-colaboratory,neuroscience,neurolab,Python,Neural Network,Google Colaboratory,Neuroscience,Neurolab,如何实现两态或模拟Hopfield网络模型，使用外部产品学习规则探索其作为维度N函数的能力？我正试图着手一个小的编程项目，我被困在如何着手启动这个模型上 根据提示，有多种方法解决此问题。一种方法是生成许多随机模式，将它们作为存储器存储在T矩阵中，然后显示当网络状态V在其中一个存储模式处初始化时，在运行动力学时它不会移动。作为N的函数，可以存储多少个模式作为稳定吸引子？另一个需要探索的是汉明收敛半径——即，如果您将网络状态初始化为一个存储模式，该模式已被翻转K位所干扰，那么您可以使K变大，并使网络