腦中大腦網路

腦中大腦 (BSB) 神經網路是一種非線性自聯想神經網路，可以透過具有兩個或更多層來擴充套件為異性關聯。它也類似於霍普菲爾德網路。它由 J.A. 安德森、J.W. 西爾弗斯坦、S.A. 裡茨和 R.S. 瓊斯於 1977 年提出。

關於 BSB 網路需要記住的一些重要要點 −

• 它是一個完全連線的網路，其最大節點數取決於輸入空間的維數n。

• 所有神經元同時更新。

• 神經元取值介於 -1 到 +1 之間。

數學公式

BSB 網路中使用的節點函式是一個斜坡函式，可以定義如下 −

$$f(net)\:=\:min(1,\:max(-1,\:net))$$

這個斜坡函式是有界的連續函式。

如我們所知，每個節點都會改變其狀態，可以透過以下數學關係來實現 −

$$x_{t}(t\:+\:1)\:=\:f\left(\begin{array}{c}\displaystyle\sum\limits_{j=1}^n w_{i,j}x_{j}(t)\end{array}\right)$$

此處，x_i(t) 是第i_th 個節點在時間 t 的狀態。

從i_th 節點到j_th 節點的權重可以用以下關係測量 −

$$w_{ij}\:=\:\frac{1}{P}\displaystyle\sum\limits_{p=1}^P (v_{p,i}\:v_{p,j})$$

此處，P 是訓練模式的數量，這些模式是雙極性的。