框内状态(BSB)神经网络是非线性自联想神经网络，可以扩展为具有两层或更多层的异质联想。它也类似于Hopfield网络。它是由JA Anderson，JW Silverstein，SA Ritz和RS Jones在1977年提出的。

关于BSB网络要记住的一些要点-

• 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 。

• 所有神经元同时更新。

• 神经元的值介于-1到+1之间。

数学公式

BSB网络中使用的节点函数是一个斜坡函数，可以定义如下：

$$ f(net)\：= \：min(1，\：max(-1，\：net))$$

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，这可以借助以下数学关系来完成：

$$ x_ {t}(t \：+ \：1)\：= \：f \ left(\ begin {array} {c} \ displaystyle \ sum \ limits_ {j = 1} ^ n w_ {i，j } x_ {j}(t)\ end {array} \ right)$$

在此， x _i (t)是在时间t处第i_个节点的状态。

从_第i_个节点到_第j_个节点的权重可以通过以下关系式进行测量-

$$ w_ {ij} \：= \：\ frac {1} {P} \ displaystyle \ sum \ limits_ {p = 1} ^ P(v_ {p，i} \：v_ {p，j})$$

在此， P是训练模式的数量，是双极的。