Scaling laws for the attractors of Hopfield networks

摘要: Networks of threshold automata are random dynamical systems with a large number attractors, which J. Hopfield proposed to use as associative memories. We establish the scaling laws relating maximum «useful» attractors and radius attraction basin automata. A by-product our analysis is better choice for thresholds doubles performances in terms Les reseaux d'automates seuil sont des systemes dynamiques structure aleatoire semblables aux verres de spins dont propose l'application comme memoires associatives. Nous etablissons les lois d'echelles reliant le nombre d'attracteurs utiles et la distance d'attraction, au automates du reseau. Notre approche permet aussi un meilleur choix seuils, ce qui double reseau en d'attracteurs.