Réseau Brain-State-in-a-Box

Le réseau de neurones Brain-State-in-a-Box (BSB) est un réseau de neurones auto-associatif non linéaire et peut être étendu à l'hétéro-association avec deux ou plusieurs couches. Il est également similaire au réseau Hopfield. Il a été proposé par JA Anderson, JW Silverstein, SA Ritz et RS Jones en 1977.

Quelques points importants à retenir sur BSB Network -

• C'est un réseau entièrement connecté avec le nombre maximum de nœuds en fonction de la dimensionnalité n de l'espace d'entrée.

• Tous les neurones sont mis à jour simultanément.

• Les neurones prennent des valeurs comprises entre -1 et +1.

Formulations mathématiques

La fonction de nœud utilisée dans le réseau BSB est une fonction de rampe, qui peut être définie comme suit -

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

Cette fonction de rampe est limitée et continue.

Comme nous savons que chaque nœud changerait son état, cela peut être fait à l'aide de la relation mathématique suivante -

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

Ici, x_i(t) est l'état du i_th nœud à la fois t.

Poids de i_th nœud vers j_th nœud peut être mesuré avec la relation suivante -

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

Ici, P est le nombre de modèles d'entraînement, qui sont bipolaires.