Extensions of a solvable feed forward neural network

Abstract
I extend the class of exactly solvable feed-forward neural networks discussed in a previous publication. Three basic modifications of the original model are proposed : a) learning with weights, b) learning biased patterns and c) the effect of static synaptic noise. Each of the models studied is solved exactly and layer to layer recursion relations are obtained.

Résumé
J'étends la classe des modèles de réseaux neuronaux avec connexions unidirectionnelles discutée dans une publication antérieure. Je propose trois modifications principales : a) apprentissage pondéré, b) apprentissage de formes corrélées et c) effet de bruit synaptique. Chacun des modèles étudiés est résolu exactement et des relations de récurrence entre couches sont obtenues.