Instituição de defesa: CBPF - Centro Brasileiro de Pesquisas Físicas

Resumo: Neste estudo, abordamos a capacidade de armazenamento de um novo modelo de rede neuronal, com o qual se tenta modelar o comportamento do cérebro no processo de recuperação de memórias armazenadas. Este modelo, chamado de rede neuronal dependente do estímulo, considera uma maneira do sistema neuronal atenuar o ruído presente no processo de reconhecimento de uma memória armazenada. O objetivo deste modelo é propor um mecanismo básico de funcionamento que pode ser utilizado em um grande número de modelos de redes neuronais, e que visa aumentar a capacidade e qualidade de armazenamento destas redes. Verificamos como a aplicação do modelo dependente do estímulo na rede de Hopfield pode aumentar significativamente a sua capacidade de armazenamento máxima, $a_C = 0.138$. Desta forma, apresentamos uma expressão analítica das equações de ponto sela para este modelo, assim como mediante um estudo sinal-ruído fornecemos um valor aproximado da intensidade que o padrão externo deve ter para reduzir o ruído presente no processo de reconhecimento de uma memória armazenada. Uma análise numérica, por meio de simulações de Monte Carlo, corrobora os resultados analíticos. A ideia do modelo dependente do estímulo é também aplicada a uma rede de Hopfield diluída e a uma rede de Hopfield com padrões armazenados correlacionados. Portanto estudamos numericamente como se pode atenuar o efeito do ruído no processo de reconhecimento de padrões em diversas situações diferentes. Em todas estas situações o nosso modelo leva a um grande aumento na capacidade de reconhecimento das memórias armazenadas.

Área:

Data da defesa: 15/12/2020

Banca: N. Crokidakis; Paulo Murilo Castro Oliveira; F. D. Nobre; M. A. Continentino; Thadeu Josino Pereira Penna; R. O. Vallejos