Numéro |
J. Phys. France
Volume 47, Numéro 9, septembre 1986
|
|
---|---|---|
Page(s) | 1457 - 1462 | |
DOI | https://doi.org/10.1051/jphys:019860047090145700 |
DOI: 10.1051/jphys:019860047090145700
Solvable models of working memories
M. Mézard1, J.P. Nadal2 et G. Toulouse31 Universita di Roma I, Dipartimento di Fisica, Piazzale Aldo Moro 2,1-00185, Roma, Italy
2 Groupe de Physique des Solides de l'Ecole Normale Supérieure, 24, rue Lhomond, 75231 Paris Cedex 05, France
3 E.S.P.C.I., 10, rue Vauquelin, 75231 Paris Cedex 05, France
Abstract
We consider a family of models, which generalizes the Hopfield model of neural networks, and can be solved likewise. This family contains palimpsestic schemes, which give memories that behave in a similar way as a working (short-term) memory. The replica method leads to a simple formalism that allows for a detailed comparison between various schemes, and the study of various effects, such as repetitive learning.
Résumé
Nous considérons une famille de modèles qui généralise le modèle de Hopfield, et qui peut s'étudier de façon analogue. Cette famille englobe des schémas de type palimpseste, dont les propriétés s'apparentent à celles d'une mémoire de travail (mémoire à court terme). En utilisant la méthode des répliques, nous obtenons un formalisme simple qui permet une comparaison détaillée de divers schémas d'apprentissage, et l'étude d'effets variés, tel l'apprentissage par répétition.
8718S - Neural networks.
Key words
brain models -- neural nets