Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes
Ano de defesa: | 2007 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Alagoas
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Física
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://www.repositorio.ufal.br/handle/riufal/4763 |
Resumo: | As redes neurais artificiais (RNAs) são dispositivos matemáticos e computacionais, que procuram simular alguns dos comportamentos das redes neurais biológicas. Neste trabalho, primeiramente apresentamos uma visão geral sobre as redes neurais, mostrando uma aplicação de uma rede do tipo perceptron de múltiplas camadas para a estimativa de parâmetros petrofísicos. Em seguida, estudamos analiticamente e através de simulações numéricas, o comportamento do modelo de Hopfield para em seguida introduzir na dinâmica do sistema um campo que simula o efeito de um estímulo persistente que privilegia determinado padrão armazenado na rede. Para o modelo de Hopfiled na presença deste campo, primeiramente apresentamos uma visão geral do efeito do campo na presença de assimetria e diluição nas conexões sinápticas. Em seguida, utilizando uma aproximação de campo médio, obtivemos um conjunto de equações acopladas para os parâmetros de ordem m e q em função dos parâmetros h (que simula o estímulo persistente), “alfa” (capacidade de armazenamento da rede) e T (ruído estocástico), para o modelo numa rede completamente conectada e com conexões simétricas. Analisamos as propriedades da rede quanto `a habilidade de reconhecimento e capacidade de armazenamento, obtendo o diagrama de fases “alfa” xT para o modelo mostrando a dependência das transições com o valor de h. Para o caso determinístico (T = 0), realizamos simulações numéricas, onde desenvolvemos e aprimoramos um algoritmo computacional utilizando a técnica de multi-spin coding, e mostramos a boa concordância apresentada pelos resultados quando comparados aos resultados obtidos analiticamente. Todos os resultados apontam para um crescimento da capacidade de reconhecimento com o aumento do parâmetro h que controla a intensidade do estímulo persistente. |
id |
UFAL_6ae96249a72690ccb5b1e76228d9a8e4 |
---|---|
oai_identifier_str |
oai:www.repositorio.ufal.br:riufal/4763 |
network_acronym_str |
UFAL |
network_name_str |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
repository_id_str |
|
spelling |
Silva, Crisógono Rodrigues dahttp://lattes.cnpq.br/2691665784058328Lyra, Marcelo Leitehttp://lattes.cnpq.br/0907001903528428Campos, Paulo Roberto de Araújohttp://lattes.cnpq.br/5468845680173423http://lattes.cnpq.br/7335017320399198Vieira, Vinícius Manzoni2019-03-28T18:41:56Z2019-02-142019-03-28T18:41:56Z2007-02-15VIEIRA, Vinícius Manzoni. Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes. 2019. 111 f. Dissertação (Mestrado em Física da Matéria Condensada) – Instituto de Física, Programa de Pós Graduação em Física, Universidade Federal de Alagoas, Maceió, 2007.http://www.repositorio.ufal.br/handle/riufal/4763As redes neurais artificiais (RNAs) são dispositivos matemáticos e computacionais, que procuram simular alguns dos comportamentos das redes neurais biológicas. Neste trabalho, primeiramente apresentamos uma visão geral sobre as redes neurais, mostrando uma aplicação de uma rede do tipo perceptron de múltiplas camadas para a estimativa de parâmetros petrofísicos. Em seguida, estudamos analiticamente e através de simulações numéricas, o comportamento do modelo de Hopfield para em seguida introduzir na dinâmica do sistema um campo que simula o efeito de um estímulo persistente que privilegia determinado padrão armazenado na rede. Para o modelo de Hopfiled na presença deste campo, primeiramente apresentamos uma visão geral do efeito do campo na presença de assimetria e diluição nas conexões sinápticas. Em seguida, utilizando uma aproximação de campo médio, obtivemos um conjunto de equações acopladas para os parâmetros de ordem m e q em função dos parâmetros h (que simula o estímulo persistente), “alfa” (capacidade de armazenamento da rede) e T (ruído estocástico), para o modelo numa rede completamente conectada e com conexões simétricas. Analisamos as propriedades da rede quanto `a habilidade de reconhecimento e capacidade de armazenamento, obtendo o diagrama de fases “alfa” xT para o modelo mostrando a dependência das transições com o valor de h. Para o caso determinístico (T = 0), realizamos simulações numéricas, onde desenvolvemos e aprimoramos um algoritmo computacional utilizando a técnica de multi-spin coding, e mostramos a boa concordância apresentada pelos resultados quando comparados aos resultados obtidos analiticamente. Todos os resultados apontam para um crescimento da capacidade de reconhecimento com o aumento do parâmetro h que controla a intensidade do estímulo persistente.Artificial Neural Networks are mathematical and computational devices which try to simulate some behaviors of biological neural networks. In the beginning of this work, we present a review about neural networks, showing an application of a Multi-Layered Perceptron for the estimative of petrophysical parameters. After that, we made an analytical and numerical study of the behavior of a neural network based on the Hopfield model on which we introduced in the system’s dynamics a parameter that acts as a field to simulate the effect of a persistent stimulus that privileges a stored pattern in the network. For the Hopfield’s model in the presence of this field, we present a review of the field’s effect in the model with dilution and asymmetry on the synaptic connections. After that, using a mean Field approximation, we have got a set of equations for the order parameters m and q in function of the parameters h (that simulates the persistent stimulus field),”alpha” (network’s storage capacity) and T (thermal noise), for the model on a fully connected network and symmetric connections. We analyze the recognition and storage capacity properties of the network, resulting on the phase diagram “alpha” x T for the model, showing the dependence of the recognition transition on the value of h. For the deterministic case (T = 0), we perform numerical simulations, where we develop and improve a computational algorithm using the multi-spin coding technique. Our simulation results show a good agreement with the analytical ones. All the results indicate na increase of the recognition capacity when increasing the h parameter, which controls the intensity of the stimulus field.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de AlagoasPrograma de Pós-Graduação em FísicaUFALBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::FISICARedes nuerais (Computação)PetrofísicaHopfield, Modelo deEstímulos persistentesNueral networks (Computing)PetrophysicsHopfield, Model ofPersistent stimuliRedes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL)instname:Universidade Federal de Alagoas (UFAL)instacron:UFALORIGINALRedes neurais artificiais uma aplicação em petrofísica e estudo dos efeitos de.pdfRedes neurais artificiais uma aplicação em petrofísica e estudo dos efeitos de.pdfapplication/pdf9371917http://www.repositorio.ufal.br/jspui/bitstream/riufal/4763/1/Redes%20neurais%20artificiais%20uma%20aplica%c3%a7%c3%a3o%20em%20petrof%c3%adsica%20e%20estudo%20dos%20efeitos%20de.pdfa9d42a952f0b9c87d12cf615a2ff5ecdMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://www.repositorio.ufal.br/jspui/bitstream/riufal/4763/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52riufal/47632019-03-28 18:41:57.127oai:www.repositorio.ufal.br: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ório InstitucionalPUBhttp://www.repositorio.ufal.br/oai/requestri@sibi.ufal.bropendoar:46482019-03-28T18:41:57Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL)false |
dc.title.pt_BR.fl_str_mv |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
title |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
spellingShingle |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes Vieira, Vinícius Manzoni CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Redes nuerais (Computação) Petrofísica Hopfield, Modelo de Estímulos persistentes Nueral networks (Computing) Petrophysics Hopfield, Model of Persistent stimuli |
title_short |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
title_full |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
title_fullStr |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
title_full_unstemmed |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
title_sort |
Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes |
author |
Vieira, Vinícius Manzoni |
author_facet |
Vieira, Vinícius Manzoni |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Silva, Crisógono Rodrigues da |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2691665784058328 |
dc.contributor.advisor-co1.fl_str_mv |
Lyra, Marcelo Leite |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/0907001903528428 |
dc.contributor.referee1.fl_str_mv |
Campos, Paulo Roberto de Araújo |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/5468845680173423 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7335017320399198 |
dc.contributor.author.fl_str_mv |
Vieira, Vinícius Manzoni |
contributor_str_mv |
Silva, Crisógono Rodrigues da Lyra, Marcelo Leite Campos, Paulo Roberto de Araújo |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Redes nuerais (Computação) Petrofísica Hopfield, Modelo de Estímulos persistentes Nueral networks (Computing) Petrophysics Hopfield, Model of Persistent stimuli |
dc.subject.por.fl_str_mv |
Redes nuerais (Computação) Petrofísica Hopfield, Modelo de Estímulos persistentes Nueral networks (Computing) Petrophysics Hopfield, Model of Persistent stimuli |
description |
As redes neurais artificiais (RNAs) são dispositivos matemáticos e computacionais, que procuram simular alguns dos comportamentos das redes neurais biológicas. Neste trabalho, primeiramente apresentamos uma visão geral sobre as redes neurais, mostrando uma aplicação de uma rede do tipo perceptron de múltiplas camadas para a estimativa de parâmetros petrofísicos. Em seguida, estudamos analiticamente e através de simulações numéricas, o comportamento do modelo de Hopfield para em seguida introduzir na dinâmica do sistema um campo que simula o efeito de um estímulo persistente que privilegia determinado padrão armazenado na rede. Para o modelo de Hopfiled na presença deste campo, primeiramente apresentamos uma visão geral do efeito do campo na presença de assimetria e diluição nas conexões sinápticas. Em seguida, utilizando uma aproximação de campo médio, obtivemos um conjunto de equações acopladas para os parâmetros de ordem m e q em função dos parâmetros h (que simula o estímulo persistente), “alfa” (capacidade de armazenamento da rede) e T (ruído estocástico), para o modelo numa rede completamente conectada e com conexões simétricas. Analisamos as propriedades da rede quanto `a habilidade de reconhecimento e capacidade de armazenamento, obtendo o diagrama de fases “alfa” xT para o modelo mostrando a dependência das transições com o valor de h. Para o caso determinístico (T = 0), realizamos simulações numéricas, onde desenvolvemos e aprimoramos um algoritmo computacional utilizando a técnica de multi-spin coding, e mostramos a boa concordância apresentada pelos resultados quando comparados aos resultados obtidos analiticamente. Todos os resultados apontam para um crescimento da capacidade de reconhecimento com o aumento do parâmetro h que controla a intensidade do estímulo persistente. |
publishDate |
2007 |
dc.date.issued.fl_str_mv |
2007-02-15 |
dc.date.accessioned.fl_str_mv |
2019-03-28T18:41:56Z |
dc.date.available.fl_str_mv |
2019-02-14 2019-03-28T18:41:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
VIEIRA, Vinícius Manzoni. Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes. 2019. 111 f. Dissertação (Mestrado em Física da Matéria Condensada) – Instituto de Física, Programa de Pós Graduação em Física, Universidade Federal de Alagoas, Maceió, 2007. |
dc.identifier.uri.fl_str_mv |
http://www.repositorio.ufal.br/handle/riufal/4763 |
identifier_str_mv |
VIEIRA, Vinícius Manzoni. Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes. 2019. 111 f. Dissertação (Mestrado em Física da Matéria Condensada) – Instituto de Física, Programa de Pós Graduação em Física, Universidade Federal de Alagoas, Maceió, 2007. |
url |
http://www.repositorio.ufal.br/handle/riufal/4763 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Alagoas |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Física |
dc.publisher.initials.fl_str_mv |
UFAL |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Alagoas |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL) instname:Universidade Federal de Alagoas (UFAL) instacron:UFAL |
instname_str |
Universidade Federal de Alagoas (UFAL) |
instacron_str |
UFAL |
institution |
UFAL |
reponame_str |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
collection |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
bitstream.url.fl_str_mv |
http://www.repositorio.ufal.br/jspui/bitstream/riufal/4763/1/Redes%20neurais%20artificiais%20uma%20aplica%c3%a7%c3%a3o%20em%20petrof%c3%adsica%20e%20estudo%20dos%20efeitos%20de.pdf http://www.repositorio.ufal.br/jspui/bitstream/riufal/4763/2/license.txt |
bitstream.checksum.fl_str_mv |
a9d42a952f0b9c87d12cf615a2ff5ecd 43cd690d6a359e86c1fe3d5b7cba0c9b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL) |
repository.mail.fl_str_mv |
ri@sibi.ufal.br |
_version_ |
1785016975546646528 |