skip to main content
Idioma:
Primo Advanced Search
Primo Advanced Search Query Term
Primo Advanced Search Query Term
Primo Advanced Search Query Term
Primo Advanced Search prefilters
Busca Simples

Análise de modelo de Hopfield com topologia de rede complexa

Sousa, Fabiano Berardo De

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação 2013-11-13

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Análise de modelo de Hopfield com topologia de rede complexa
  • Autor: Sousa, Fabiano Berardo De
  • Orientador: Liang, Zhao
  • Assuntos: Sistemas Dinâmicos; Redes Neurais Caóticas; Redes Neurais Artificiais; Redes Complexas; Modelo De Hopfield; Hopfield Model; Dynamical Systems; Complex Networks; Chaotic Neural Networks; Artificial Neural Networks
  • Notas: Dissertação (Mestrado)
  • Descrição: Redes neurais biológicas contêm bilhões de células (neurônios) agrupadas em regiões espacial e funcionalmente distintas. Elas também apresentam comportamentos complexos, tais como dinâmicas periódicas e caóticas. Na área da Inteligência Artificial, pesquisas mostram que Redes Neurais Caóticas, isto é, modelos de Redes Neurais Artificiais que operam com dinâmicas complexas, são mais eficientes do que modelos tradicionais no que diz respeito a evitar memórias espúrias. Inspirado pelo fato de que o córtex cerebral contém agrupamentos de células e motivado pela eficiência no uso de dinâmicas complexas, este projeto de pesquisa investiga o comportamento dinâmico de um modelo de Rede Neural Artificial Recorrente, como o de Hopfield, porém com a topologia sináptica reorganizada a ponto de originar agrupamentos de neurônios, tal como acontece em uma Rede Complexa quando esta apresenta uma estrutura de comunidades. O modelo de treinamento tradicional de Hopfield também é alterado para uma regra de aprendizado que posta os padrões em ciclos, gerando uma matriz de pesos assimétrica. Resultados indicam que o modelo proposto oscila entre comportamentos periódicos e caóticos, dependendo do grau de fragmentação das sinapses. Com baixo grau de fragmentação, a rede opera com dinâmica periódica, como consequência da regra de treinamento utilizada. Dinâmicas caóticas parecem surgir quando existe um alto grau de fragmentação. Mostra-se, também, que é possível obter caoticidade em uma topologia adequadamente modular, ou seja, como uma estrutura de comunidades válida. Desta forma, este projeto de pesquisa provê uma metodologia alternativa para se construir um modelo de Rede Neural Artificial que realiza tarefas de reconhecimento de padrões, explorando dinâmicas complexas por meio de uma estrutura de conexões que se mostra mais similar à topologia existente no cérebro
  • DOI: 10.11606/D.55.2013.tde-30012014-111520
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação
  • Data de criação/publicação: 2013-11-13
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados
Ir para página anteriorAnterior Resultado  2 AvançarIr para próxima página

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.