问题描述
如何使用外部乘积学习规则来探索两态或模拟Hopfield网络模型，并探索其作为维数N的函数的能力？我正试图着手进行一个小型编程项目，并坚持如何启动该模型。
根据提示，有多种方法可以解决此问题。解决此问题的一种方法是生成许多随机模式，将它们存储为T矩阵中的内存，然后显示在将网络状态V初始化为其中一种存储模式时，运行V时不会移动动力学。作为N的函数，您可以存储多少个模式作为稳定吸引子？要探索的另一件事是汉明的收敛半径-即，如果将网络状态初始化为通过翻转K位而受到干扰的存储模式，那么您可以使K大到多少，并且网络仍然收敛到正确的内存？ K如何取决于所存储模式的数量？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）