联想记忆动力学中的关联吸引子和幂律关系
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 神经网络的模型研究 | 第9-11页 |
| 1.1.1 神经网络模型的研究背景 | 第9-10页 |
| 1.1.2 神经网络模型的发展进程 | 第10-11页 |
| 1.1.3 记忆的动力学模型 | 第11页 |
| 1.2 论文组织结构 | 第11-13页 |
| 第2章 复杂网络模型及研究工具 | 第13-23页 |
| 2.1 Hopfield模型 | 第13-15页 |
| 2.2 复杂网络模型 | 第15-18页 |
| 2.2.1 ER模型 | 第16页 |
| 2.2.2 Configuration模型 | 第16-17页 |
| 2.2.3 BA无标度网络模型 | 第17-18页 |
| 2.3 斑图稳定性的衡量 | 第18-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 联想记忆中的关联吸引子 | 第23-39页 |
| 3.1 引言 | 第23-24页 |
| 3.2 模拟结果 | 第24-26页 |
| 3.2.1 重复斑图对其本身稳定性的影响 | 第24-25页 |
| 3.2.2 重复斑图对其他斑图稳定性的影响 | 第25-26页 |
| 3.3 理论分析 | 第26-31页 |
| 3.3.1 相似斑图的稳定性 | 第26-28页 |
| 3.3.2 其他斑图的稳定性 | 第28-31页 |
| 3.4 overlap理论值与模拟值之间的差异 | 第31-32页 |
| 3.5 存储少量斑图的网络的overlap值 | 第32-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 联想记忆中的幂律关系 | 第39-47页 |
| 4.1 引言 | 第39-40页 |
| 4.2 无标度网络的幂律行为 | 第40-43页 |
| 4.2.1 无标度网络幂律关系的理论分析 | 第40-42页 |
| 4.2.2 数值模拟 | 第42-43页 |
| 4.3 ER随机网络的幂律行为 | 第43-46页 |
| 4.3.1 ER随机网络幂律关系的理论分析 | 第43-44页 |
| 4.3.2 数值模拟 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士学位期间科研成果 | 第59页 |
