盒中脑状态网络
盒中脑状态（BSB）神经网络是一种非线性自联想神经网络，可以扩展到具有两层或多层的异联想。它也类似于霍普菲尔德网络。它是由 J.A. Anderson、J.W. Silverstein、S.A. Ritz 和 R.S. 提出的。 Jones 于 1977 年发明。
关于 BSB 网络 − 需要记住的一些要点
它是一个完全连接的网络，其最大节点数取决于输入空间的维数 n。
所有神经元均同时更新。
神经元的取值范围为 -1 到 +1。
数学公式
BSB 网络中使用的节点函数是斜坡函数，可定义如下 −
$$f(net)\:=\:min(1,\:max(-1,\:net))$$
此斜坡函数是有界且连续的。
我们知道每个节点都会改变其状态，因此可以借助以下数学关系来完成−
$$x_{t}(t\:+\:1)\:=\:f\left(\begin{array}{c}\displaystyle\sum\limits_{j=1}^n w_{i,j}x_{j}(t)\end{array} ight)$$
这里，xi(t) 是 t 时刻第 ith 个节点的状态。
从 ith 个节点到 jth 个节点的权重可以用以下关系 −
来衡量$$w_{ij}\:=\:\frac{1}{P}\displaystyle\sum\limits_{p=1}^P (v_{p,i}\:v_{p,j})$$
这里，P 是训练模式的数量，它们是双极的。
