高效因子分解：Resonator networks 1

文章预览

Resonator Networks, 1: An Efficient Solution for FactoringHigh-Dimensional, Distributed Representationsof Data Structures    https://par.nsf.gov/servlets/purl/10294577 从 实证上看，系统在状态空间中弹跳，直到正确的解决方案似乎与网络动态产生共鸣，仿佛在洞察的瞬间突然出现 。我们发现，尽管没有控制这些动态的 Lyapunov 函数，也没有收敛的保证，但只要待搜索的产品组合数量在网络的操作容量范围内，共振器网络就以 高概率经验性地收敛到正确解决方案 。我们展示了操作容量由 N的二次函数给出 。与我们考虑的众多其他优化方法相比，共振器网络的这种容量 高出近两个数量级 。 实现： 认知符号架构超维计算开源Torchhd库 我们从三个主要方向对共振器网络进行了表征。第一个方向是解 的稳定性，我们将其与经典Hopfield网络的稳定性联系起来。第二个是我们将称为“操作容量” ………………………………