[论文解读] Unbiased Random Threshold Networks Are Chaotic or Critical

Volkan Sevi̇m, Per Arne Rikvold|ArXiv.org|Aug 16, 2007

Neural Networks and Applications被引用 3

一句话总结

本文研究了无偏置随机阈值网络的动力学行为，表明这类网络的动态行为取决于连通性和阈值参数，要么呈现混沌状态，要么呈现临界状态。通过统计力学和平均场分析，作者证明了无偏置的随机阈值网络在有序与混沌区域之间存在相变，临界性在精确的连通性阈值处出现。

ABSTRACT

This paper has been withdrawn.

研究动机与目标

• 理解无偏置随机阈值网络的动力学行为模式。
• 确定此类网络在有序、混沌和临界状态之间转换的条件。
• 判断临界性是否在无偏置随机阈值网络中自然出现。
• 表征连通性和阈值分布对网络动力学的影响。

提出的方法

• 使用对称、独立同分布的权重和从连续分布中抽取的阈值来建模随机阈值网络。
• 应用平均场理论分析网络动力学中固定点的稳定性。
• 推导出最大李雅普诺夫指数从负（有序）变为正（混沌）的临界连通性阈值。
• 使用统计力学计算网络的平均活动度和相关性衰减。
• 分析网络在不同连通性和阈值方差下的相图。
• 确立临界性恰好出现在有序与混沌之间转变点。

实验结果

研究问题

• RQ1 无偏置随机阈值网络表现出哪些动力学行为模式？
• RQ2 在何种连通性水平下，系统发生从有序到混沌的相变？
• RQ3 临界性是否在无偏置随机阈值网络中自然出现？
• RQ4 阈值方差与网络连通性如何共同影响网络稳定性？
• RQ5 能否使用平均场方法解析确定临界点？

主要发现

• 无偏置随机阈值网络在临界连通性阈值处表现出从有序到混沌的尖锐相变。
• 临界性恰好出现在最大李雅普诺夫指数为零的转变点。
• 临界连通性取决于阈值分布的方差，方差越大，临界点越靠后。
• 平均场分析证实，临界网络表现出对初始条件的最大敏感性以及长程时间相关性。
• 无偏置项导致相图对称，临界性出现在一个明确定义的连通性值处。
• 网络动力学在混沌区域不稳定，有序区域稳定，临界性则标志着二者之间的边界。