该文对随机非对称连接的Hopfield网络中,恢复带与伪稳定点带之间的分离与融合这一突变行为作了研究.结果表明,在存储容量大于临界值的情况下,网络的性能发生了一次新的突变.结果还表明,在存储容量临界值邻域,网络的性能及其突变行为敏感地依赖于网络的参数.该文还对稳定点与记忆之间的关联,采用了一种更合理的量度方式.在此基础上,对网络性能进行了计算机模拟.结果表明,突变行为将在非对称参数取更小的值处发生.Hopfield网络的这一行为,与生物个体从有辨识能力到无辨识能力之间的突变现象类似.尽管该文使用的模型离真实的神经系统还相差甚远,但该文的结果,对精神领域中这一现象的了解,提供了有益的启示.该文对相图及对网络在相图各个区域中的性能的计算,也为实用网络的设计提供了重要的参考依据.