- Artificial Neural Network Tutorial
- Artificial Neural Network - Home
- Basic Concepts
- Building Blocks
- Learning & Adaptation
- Supervised Learning
- Unsupervised Learning
- Learning Vector Quantization
- Adaptive Resonance Theory
- Kohonen Self-Organizing Feature Maps
- Associate Memory Network
- Hopfield Networks
- Boltzmann Machine
- Brain-State-in-a-Box Network
- Optimization Using Hopfield Network
- Other Optimization Techniques
- Genetic Algorithm
- Applications of Neural Networks
- Artificial Neural Network Resources
- Quick Guide
- Useful Resources
- Discussion
盒中脑状态网络
Brain-State-in-a-Box（BSB）神经网络是一种非线性自关联神经网络，可以扩展到两层或多层的异质关联。它也类似于Hopfield网络。它由 JA Anderson、JW Silverstein、SA Ritz 和 RS Jones 于 1977 年提出。
关于 BSB 网络需要记住的一些要点 -
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-1到+1之间的值。
数学公式
BSB 网络中使用的节点函数是斜坡函数，其定义如下 -
$$f(净值)\:=min(1,\:max(-1,\:净值))$$
该斜坡函数是有界且连续的。
我们知道每个节点都会改变其状态，可以借助以下数学关系来完成 -
$$x_{t}(t\:+\:1)\:=\:f\left(\begin{array}{c}\displaystyle\sum\limits_{j=1}^n w_{i,j }x_{j}(t)\end{数组}\right)$$
这里，x i (t)是第 i个节点在时间t的状态。
从第 i个节点到第 j个节点的权重可以通过以下关系来测量 -
$$w_{ij}\:=\:\frac{1}{P}\displaystyle\sum\limits_{p=1}^P (v_{p,i}\:v_{p,j})$$
这里，P是训练模式的数量，它是双极性的。