我正在使用图论框架来模拟信息流问题。
我正在寻找一种算法来调整图的边的权重以产生特定的行为。 在我使用 Matlab 的过程中，如果有一个专门的工具箱可以帮助可视化\建模\编写算法，那就太好了。
问题域如下:
- 图形的边是加权和有向的。
- 图中的信息流与时间相关。也就是说，有一个全局时间变量，它在每个 delta t 进行抽样，其中对每个节点进行一些计算。
- 节点被分配了一个数值，该数值可能会在每个时间步发生变化 - 我们称之为节点的激活程度。
模型
由 3 层组成，每层由一个矩阵表示，如果节点 i 和节点 j 由强度为 w 的节点连接，则第 i 列和第 j 行的单元格的值为 w。
为了便于解释，我们将层命名为:l1 - 输入，l2 - 计算，l3 - 输出。 层是全连接的，即 l1 的每个矩阵单元都连接到 l2 的每个单元，同样 l2 的每个单元都连接到 l3 的每个单元(边是有向的)。
在时间步 t 中，每个节点的激活程度是连接到它的所有节点在时间 t-1 时激活的函数，每个节点乘以连接边的权重。 例如，如果我们考虑输入层 i1,i2 的 2 个节点连接到计算层 c1 的单个节点，权重为 w1,w2 分别，并且我们会说在时间 t=0 时 i1,i2 的激活分别是 a1,a2，而不是 c1< 的激活水平/em> 在 t=1 时等于 f(w1*a1,w2*a2)。
模型的先验知识决定了输入层 l1 的何种激活模式(0\1 排列)将导致输出层 l3 的准确预测。 现在，我想以某种方式训练网络调整边缘的权重，以便在足够的时间(delta t)之后，激活的动态将导致输入层的输入发散到输出层的所需输出。
所以我的 2 个问题是:
在这个系统中训练网络调整权重的好算法是什么(一个简单的算法名称或维基百科的链接将是一个很好的开始)？其次，如果您知道现有的 Matlab 工具可以简化实现过程，那就更好了。
谢谢!
最佳答案
不知道算法，但听起来像 Neural Network toolbox正是您所需要的。
阿诺
关于调整网络边缘权重的算法(最好在相关的 Matlab 工具箱上推荐)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16334209/