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.
|