脑中大脑网络

脑中大脑 (BSB) 神经网络是一种非线性自联想神经网络，可以通过具有两个或更多层来扩展为异性关联。它也类似于霍普菲尔德网络。它由 J.A. 安德森、J.W. 西尔弗斯坦、S.A. 里茨和 R.S. 琼斯于 1977 年提出。

关于 BSB 网络需要记住的一些重要要点 −

• 它是一个完全连接的网络，其最大节点数取决于输入空间的维数n。

• 所有神经元同时更新。

• 神经元取值介于 -1 到 +1 之间。

数学公式

BSB 网络中使用的节点函数是一个斜坡函数，可以定义如下 −

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

这个斜坡函数是有界的连续函数。

如我们所知，每个节点都会改变其状态，可以通过以下数学关系来实现 −

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

此处，x_i(t) 是第i_th 个节点在时间 t 的状态。

从i_th 节点到j_th 节点的权重可以用以下关系测量 −

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

此处，P 是训练模式的数量，这些模式是双极性的。