| xmlui.metadata.dc.creator | Galhardo, Carlos Eduardo Cardoso | |
| xmlui.metadata.dc.date.accessioned | 2021-03-10T20:46:01Z | |
| xmlui.metadata.dc.date.available | 2006-08-04 | |
| xmlui.metadata.dc.date.available | 2021-03-10T20:46:01Z | |
| xmlui.metadata.dc.date.issued | 2006-05-07 | |
| xmlui.metadata.dc.identifier.uri | https://app.uff.br/riuff/handle/1/18934 | |
| xmlui.metadata.dc.description.abstract | In this work we present some modifications in the Hopfield model for attractor neural networks. First, in order to bring the model closer to a biological network of neurons, we introduce a controlled dilution generating complex topologies. This modification is supported by experimental evidences [1, 2]. Then, study the relation between eficiency and the topologies, in the recovery stored patterns. We study how
the network topology play a role in the model, by introducing correlated patterns and studing the performance of each topology as the correlation between patterns is increased. | eng |
| xmlui.metadata.dc.description.sponsorship | Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro | |
| xmlui.metadata.dc.format | application/pdf | por |
| xmlui.metadata.dc.language | por | por |
| xmlui.metadata.dc.rights | Acesso Aberto | por |
| xmlui.metadata.dc.subject | Rede neural | por |
| xmlui.metadata.dc.subject | Topologia | por |
| xmlui.metadata.dc.subject | Neurociências | por |
| xmlui.metadata.dc.subject | Mecânica estatística | por |
| xmlui.metadata.dc.title | Redes Neurais Atratoras em Topologias Complexas | por |
| xmlui.metadata.dc.type | Dissertação | por |
| xmlui.metadata.dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA | por |
| xmlui.metadata.dc.publisher.program | Programa de Pós-graduação em Física | por |
| xmlui.metadata.dc.publisher.department | Física | por |
| xmlui.metadata.dc.contributor.advisor1 | Penna, Thadeu Josino Pereira | |
| xmlui.metadata.dc.contributor.advisor1ID | CPF:75877570749 | por |
| xmlui.metadata.dc.creator.ID | CPF:59833244522 | por |
| xmlui.metadata.dc.description.resumo | Neste trabalho estudamos algumas variaçõees no modelo de Hopfield para redes neurais atratoras. Primeiro, com intuito de aproximar o modelo de uma rede de neurônios reais, fizemos uma diluição controlada, de forma a gerar redes de topologias
complexas. Essa escolha foi embasada em evidências experimentais [1, 2]. Estudamos então a relação entre a eficiência na recuperação de padrões armazenados e as topologias. Com intuito de melhor averiguar o papel da geometria da rede no modelo, introduzimos padrões correlacionados e estudamos como cada rede responde ao aumento da correlação entre os padrões. | por |
| xmlui.metadata.dc.rights.license | CC-BY-SA | pt_BR |
