Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Krebs, Paulo Roberto
Orientador(a): Theumann, Walter Karl
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Sistemas caóticos
Redes neurais
Link de acesso: http://hdl.handle.net/10183/4433
Resumo: Nesta tese estudamos os efeitos de diluição simétrica gradual das conexões entre neurônios e de ruído sináptico sobre a habilidade de categorização de padrões no modelo de Hopfield de redes neurais, mediante a teoria de campo médio com simetria de réplicas e simulações numéricas. Utilizamos generalizações da regra de aprendizagem de Hebb, para uma estrutura hierárquica de padrões correlacionados em dois níveis, representando os ancestrais (conceitos) e descendentes (exemplos dos conceitos). A categorização consiste no reconhecimento dos conceitos por uma rede treinada unicamente com exemplos dos conceitos. Para a rede completamente conexa, obtivemos os diagramas de fases e as curvas de categorização para vários níveis de ruído sináptico. Observamos dois comportamentos distintos dependendo do parâmetro de armazenamento. A habilidade de categorização é favorecida pelo ruído sináptico para um número finito de conceitos, enquanto que para um número macroscópico de conceitos este favorecimento não é observado. Entretanto a performance da rede permanece robusta contra o ruído sináptico. No problema de diluição simétrica consideramos apenas um número macroscópico de conceitos, cada um com um número finito de exemplos. Os diagramas de fases obtidos exibem fases de categorização, de vidro de spin e paramagnética, bem como a dependência dos parâmetros de ordem com o número de exemplos, a correlação entre exemplos e conceitos, os ruídos sináptico e estocástico, e a conectividade. A diluição favorece consideravelmente a categorização, particularmente no limite de diluição extrema
id URGS_a71c6f9443426e561281482564ae864f
oai_identifier_str oai:www.lume.ufrgs.br:10183/4433
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Krebs, Paulo RobertoTheumann, Walter Karl2007-06-06T17:36:09Z2004http://hdl.handle.net/10183/4433000411760Nesta tese estudamos os efeitos de diluição simétrica gradual das conexões entre neurônios e de ruído sináptico sobre a habilidade de categorização de padrões no modelo de Hopfield de redes neurais, mediante a teoria de campo médio com simetria de réplicas e simulações numéricas. Utilizamos generalizações da regra de aprendizagem de Hebb, para uma estrutura hierárquica de padrões correlacionados em dois níveis, representando os ancestrais (conceitos) e descendentes (exemplos dos conceitos). A categorização consiste no reconhecimento dos conceitos por uma rede treinada unicamente com exemplos dos conceitos. Para a rede completamente conexa, obtivemos os diagramas de fases e as curvas de categorização para vários níveis de ruído sináptico. Observamos dois comportamentos distintos dependendo do parâmetro de armazenamento. A habilidade de categorização é favorecida pelo ruído sináptico para um número finito de conceitos, enquanto que para um número macroscópico de conceitos este favorecimento não é observado. Entretanto a performance da rede permanece robusta contra o ruído sináptico. No problema de diluição simétrica consideramos apenas um número macroscópico de conceitos, cada um com um número finito de exemplos. Os diagramas de fases obtidos exibem fases de categorização, de vidro de spin e paramagnética, bem como a dependência dos parâmetros de ordem com o número de exemplos, a correlação entre exemplos e conceitos, os ruídos sináptico e estocástico, e a conectividade. A diluição favorece consideravelmente a categorização, particularmente no limite de diluição extremaapplication/pdfporSistemas caóticosRedes neuraisCategorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétricainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de FísicaCurso de Pós-Graduação em FísicaPorto Alegre, BR-RS2004doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000411760.pdf000411760.pdfTexto completoapplication/pdf2054394http://www.lume.ufrgs.br/bitstream/10183/4433/1/000411760.pdf9153fc33f8ebf83cf104fec551f310b1MD51TEXT000411760.pdf.txt000411760.pdf.txtExtracted Texttext/plain529392http://www.lume.ufrgs.br/bitstream/10183/4433/2/000411760.pdf.txtf969cf03e178ec2712856f0e94f039f5MD52THUMBNAIL000411760.pdf.jpg000411760.pdf.jpgGenerated Thumbnailimage/jpeg1438http://www.lume.ufrgs.br/bitstream/10183/4433/3/000411760.pdf.jpg129837813868954fc7bbb5526beeab1cMD5310183/44332019-10-10 03:49:43.427308oai:www.lume.ufrgs.br:10183/4433Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-10-10T06:49:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
title Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
spellingShingle Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
Krebs, Paulo Roberto
Sistemas caóticos
Redes neurais
title_short Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
title_full Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
title_fullStr Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
title_full_unstemmed Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
title_sort Categorização no modelo de Hopfield : efeitos de ruído sináptico e de diluição simétrica
author Krebs, Paulo Roberto
author_facet Krebs, Paulo Roberto
author_role author
dc.contributor.author.fl_str_mv Krebs, Paulo Roberto
dc.contributor.advisor1.fl_str_mv Theumann, Walter Karl
contributor_str_mv Theumann, Walter Karl
dc.subject.por.fl_str_mv Sistemas caóticos
Redes neurais
topic Sistemas caóticos
Redes neurais
description Nesta tese estudamos os efeitos de diluição simétrica gradual das conexões entre neurônios e de ruído sináptico sobre a habilidade de categorização de padrões no modelo de Hopfield de redes neurais, mediante a teoria de campo médio com simetria de réplicas e simulações numéricas. Utilizamos generalizações da regra de aprendizagem de Hebb, para uma estrutura hierárquica de padrões correlacionados em dois níveis, representando os ancestrais (conceitos) e descendentes (exemplos dos conceitos). A categorização consiste no reconhecimento dos conceitos por uma rede treinada unicamente com exemplos dos conceitos. Para a rede completamente conexa, obtivemos os diagramas de fases e as curvas de categorização para vários níveis de ruído sináptico. Observamos dois comportamentos distintos dependendo do parâmetro de armazenamento. A habilidade de categorização é favorecida pelo ruído sináptico para um número finito de conceitos, enquanto que para um número macroscópico de conceitos este favorecimento não é observado. Entretanto a performance da rede permanece robusta contra o ruído sináptico. No problema de diluição simétrica consideramos apenas um número macroscópico de conceitos, cada um com um número finito de exemplos. Os diagramas de fases obtidos exibem fases de categorização, de vidro de spin e paramagnética, bem como a dependência dos parâmetros de ordem com o número de exemplos, a correlação entre exemplos e conceitos, os ruídos sináptico e estocástico, e a conectividade. A diluição favorece consideravelmente a categorização, particularmente no limite de diluição extrema
publishDate 2004
dc.date.issued.fl_str_mv 2004
dc.date.accessioned.fl_str_mv 2007-06-06T17:36:09Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/4433
dc.identifier.nrb.pt_BR.fl_str_mv 000411760
url http://hdl.handle.net/10183/4433
identifier_str_mv 000411760
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/4433/1/000411760.pdf
http://www.lume.ufrgs.br/bitstream/10183/4433/2/000411760.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/4433/3/000411760.pdf.jpg
bitstream.checksum.fl_str_mv 9153fc33f8ebf83cf104fec551f310b1
f969cf03e178ec2712856f0e94f039f5
129837813868954fc7bbb5526beeab1c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1797064868686200832

Registros relacionados