Complexity of block-sequential update for symmetric neural networks

Eric Goles, Martin Matamala

Producción científica: Capítulo del libro/informe/acta de congresoContribución a la conferenciarevisión exhaustiva

2 Citas (Scopus)

Resumen

We prove that the dynamics of arbitrary neural networks (non necessarily symmetric) of size n can be simulated by symmetric neural nets of size 3n updated in a block-sequential mode. As a particular case we prove that the class of symmetric neural nets with arbitrary diagonal elements updated sequentially is universal i. e. it simulates any non-symmetric neural networks dynamics.

Idioma originalInglés
Título de la publicación alojadaProceedings of the International Joint Conference on Neural Networks
Editores Anon
EditorialPubl by IEEE
Páginas1469-1472
Número de páginas4
ISBN (versión impresa)0780314212
EstadoPublicada - 1993
Publicado de forma externa
EventoProceedings of 1993 International Joint Conference on Neural Networks. Part 2 (of 3) - Nagoya, Jpn
Duración: 25 oct. 199329 oct. 1993

Serie de la publicación

NombreProceedings of the International Joint Conference on Neural Networks
Volumen2

Conferencia

ConferenciaProceedings of 1993 International Joint Conference on Neural Networks. Part 2 (of 3)
CiudadNagoya, Jpn
Período25/10/9329/10/93

Huella

Profundice en los temas de investigación de 'Complexity of block-sequential update for symmetric neural networks'. En conjunto forman una huella única.

Citar esto