Hopfield network
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- California Institute of Technology
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 1 April 1982
- Autori
- JJ Hopfield
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Other
- Compito
- Sequence memorization
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 9.9K
- Dati di addestramento
- tokens
My understanding is that the biggest Hopfield networks they studied had N=100 units. Each unit has 99 synapses Tij from each other unit, for a total of 100*99 parameters
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited
- Citazioni
- 23,315
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Neural networks and physical systems with emergent collective computational abilities
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Hopfield network è stato pubblicato da California Institute of Technology, nel paese registrato come United States of America, durante April 1982. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Other, ed è registrato come eseguire il compito di sequence memorization.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
Hopfield network — domande comuni
Hopfield network— quanti parametri ha?
Ha un numero di parametri di 9.9K. My understanding is that the biggest Hopfield networks they studied had N=100 units. Each unit has 99 synapses Tij from each other unit, for a total of 100*99 parameters. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Hopfield network— chi l'ha creato?
È stato pubblicato da California Institute of Technology, basato su United States of America, un'organizzazione categorizzata come academia.
Hopfield network— quando è stato rilasciato?
È stato pubblicato in April 1982. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Hopfield network— A cosa serve?
Funziona nel dominio di Other, e viene registrato come gestire il compito di sequence memorization. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Hopfield network— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Hopfield network— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.