4、神经网络中的无意识信息处理与自复制网络研究

神经网络中的无意识信息处理与自复制网络研究

1. 稳定状态与信息推断

在神经网络的研究中，当Bob的网络中的状态x稳定时，能量会取局部最小值。这意味着在该状态下，Bob可以估计出，将Alice的网络置于相同状态x时，找到随机受挫键的概率是局部最小的。对于正确的消息m，这个概率实际上为零，所以Bob可以得出结论：他的网络的任何稳定状态都能为他提供Alice正确消息的局部最合理版本。

在Hopfield网络中，具有Hebbian连接的所有稳定状态都可以以相同的方式处理，无需将它们划分为子集（如记忆模式和虚假记忆）。这表明所有网络状态在某种意义上是等价的（尽管它们的能量不同），可以被称为消息或原型版本。而且，网络中存储的所有模式在Hebbian连接矩阵中都提供了相等（即对称）的输入。这种对所有存储模式和网络吸引子的可想象的识别并非过于人为，将明显不同的模式置于同一网络中，隐含地表明它们在一定意义上是预先识别的。

2. 自复制神经网络

2.1 模型基础

自复制神经网络的简单模型已经被提出。大脑中存在复制子的观点在后来得到了广泛讨论。大脑作为一个复杂系统，其创造性活动表明它在混沌边缘运行，而这个运行区域正是复制子通常出现的地方。

我们的模型假设Hopfield网络中存在所有神经元阈值同步变化的机制。祖先Hopfield网络具有任意的互连矩阵和对应于零神经元阈值的一组吸引子。这个网络被放置在一个由未训练的、具有零突触矩阵的网络组成的网络集合（如一维或二维）中。

2.2 信息传输过程

• 开始信号 ：当祖先网络将其所有神经元的阈值同时设