시그모이드 전력 제어에서 홉필드 신경망까지 이산형 SIR 균형 네트워크

초록

본 논문은 연속시간 Sgm"SIR"NN의 이산시간 버전을 제안한다. D‑Sgm"SIR"NN은 정의된 오류벡터가 동기식·비동기식 모두에서 유한 단계 내에 0으로 수렴함을 증명한다. 수렴점에서 가상의 SIR이 1이 되면 해당 상태는 원형 벡터이며, 이는 전통적인 이산형 홉필드 신경망과 동일한 특성을 가진다. 또한 1비트 고정 스텝 전력 제어와 유사한 Sign"SIR"NN을 제시한다.

상세 분석

본 연구는 기존 연속시간 시그모이드 기반 SIR 균형 네트워크(Sgm"SIR"NN)의 이산시간 구현을 목표로 한다. 저자는 먼저 연속시간 모델에서 사용된 비선형 시그모이드 함수를 그대로 유지하면서, 상태 업데이트 규칙을 x(k+1)=x(k)+α·σ(Wx(k)+b)−x(k) 형태의 차분 방정식으로 변환한다. 여기서 σ(·)는 일반적인 S‑shaped 시그모이드이며, α는 학습률(0<α≤1)이다. 오류벡터 e(k)=σ(Wx(k)+b)−x(k) 를 정의하고, 이를 이용해 Lyapunov‑like 함수 V(k)=½‖e(k)‖² 를 구성한다. 동기식 업데이트에서는 모든 뉴런이 동시에 갱신되므로 V(k+1)≤V(k) 를 보이며, 특히 α=1인 경우 V(k) 가 유한 단계 내에 0이 된다. 비동기식 경우에도 하나씩 뉴런을 선택해 갱신할 때마다 V가 감소함을 보이고, 전체 순환이 끝날 때까지 V는 0에 수렴한다.

수렴점에서 정의된 가상의 SIR, 즉 γ_i(k)=x_i(k)/