随机特征 Hopfield 模型揭示存储与学习相变

受流形假设启发，研究人员提出了随机特征 Hopfield 模型。该模型通过对 D 维高斯向量进行随机投影，并叠加非线性操作，生成长度为 N 的二进制模式序列。 研究团队利用统计物理中的复制方法，推导了当模式数 P、序列长度 N 和维度 D 均趋于无穷且比率固定时的相图。分析结果揭示了“学习相变”现象，即模型特征可以从无监督模式中被推断出来。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。