用于类比全递归神经网络的学习算法

推导了一种用于递归神经网络的学习算法。该算法允许网络根据各种输入序列在状态空间中学习指定轨迹。网络动态由一组耦合微分方程描述，这些方程指定单位活动和权重随时间的连续变化。该算法是非局部的，即两个单元之间的连接权重的变化可能依赖于不同单元之间某些权重的值。然而，学习后的网络（固定权重）的操作是局部的。如果网络单元被指定为像电子放大器那样运行，则学习后的网络的类比实现是简单明了的。一个例子演示了该算法在一个完全连接的四单元网络中的应用。该网络创建了一个极限环吸引子以执行指定任务。