Modelagem computacional em redes neurais de Hopfield

Detalhes bibliográficos
Autor(a) principal: Piva, Gabriel Gomide
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/34837
Resumo: Neste trabalho restringimos o nosso estudo sobre redes neurais atratoras ao modelo de Hopfield para descrevermos as propriedades de memória e aprendizado de uma maneira mais objetiva. Primeiramente, com objetivo de aproximar o modelo da realidade biológica, tratamos o problema baseando-se nos pressupostos de Hebb e Hopfield por meio de teste das redes cujos neurônios possuem o mesmo balanço de ligação. Com base em argumentos introduzidos ao longo do trabalho, verificamos as respostas por testes das evidências de recuperação dos padrões (taxa de padrões reconhecidos) para redes com diferentes ligações entre os neurônios e depois usamos o teste para redes com balanço de interação diferente (redes livres de escala). Os testes foram realizados para ambas as redes tanto com padrões de entradas aleatórias de estados quanto para padrões com diferentes correlações. Para esta última, cada correlação diferente responderá de uma maneira.
id UFF-2_898ea7efdeb784b8a3874be572c988db
oai_identifier_str oai:app.uff.br:1/34837
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Modelagem computacional em redes neurais de HopfieldModelo de HopfieldRedes neuraisModelagem computacionalNeurofisiologiaNeurônioHopfield modelNeural networksComputational modelingNeste trabalho restringimos o nosso estudo sobre redes neurais atratoras ao modelo de Hopfield para descrevermos as propriedades de memória e aprendizado de uma maneira mais objetiva. Primeiramente, com objetivo de aproximar o modelo da realidade biológica, tratamos o problema baseando-se nos pressupostos de Hebb e Hopfield por meio de teste das redes cujos neurônios possuem o mesmo balanço de ligação. Com base em argumentos introduzidos ao longo do trabalho, verificamos as respostas por testes das evidências de recuperação dos padrões (taxa de padrões reconhecidos) para redes com diferentes ligações entre os neurônios e depois usamos o teste para redes com balanço de interação diferente (redes livres de escala). Os testes foram realizados para ambas as redes tanto com padrões de entradas aleatórias de estados quanto para padrões com diferentes correlações. Para esta última, cada correlação diferente responderá de uma maneira.At this work we restricted our study about attractor neural network at Hopfield model to describe memory and learned properties of clear and objective manner. Firstly, in order to aproach the model to biological reality, we treat the problem based the Hopfield and Hebb assumptions by the means of networks tests wich neurons have the same balance of connection. Based in assumptions introduced along this work, we veri ed the responses by recovery efficiency tests of patterns (patterns recognized rate) for networks with dfferents connections between neurons and later we used the test for networks with different ballance interaction (free scale networks). The tests were done for both networks both patterns with random inputs states as patterns with differents correlations. For this last, each different correlaction answer in a manner.73 p.Volta RedondaPenna, Thadeu Josino Pereirahttp://lattes.cnpq.br/9369928320175297Portugal, Licínio Lima Silvahttp://lattes.cnpq.br/6823585568469414Schmidt, Alexandre Grezzi de Mirandahttp://lattes.cnpq.br/4112063838658098http://lattes.cnpq.br/3817859919860860Piva, Gabriel Gomide2024-09-26T20:25:23Z2024-09-26T20:25:23Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfPIVA, Gabriel Gomide. Modelagem computacional em redes neurais de Hopfield. 2016. 73 f. Trabalho de Conclusão de Curso (Graduação em Física com Ênfase em Física Computacional) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2016.https://app.uff.br/riuff/handle/1/34837Bacharelado em Física ComputacionalCC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-09-26T20:25:28Zoai:app.uff.br:1/34837Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-09-26T20:25:28Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Modelagem computacional em redes neurais de Hopfield
title Modelagem computacional em redes neurais de Hopfield
spellingShingle Modelagem computacional em redes neurais de Hopfield
Piva, Gabriel Gomide
Modelo de Hopfield
Redes neurais
Modelagem computacional
Neurofisiologia
Neurônio
Hopfield model
Neural networks
Computational modeling
title_short Modelagem computacional em redes neurais de Hopfield
title_full Modelagem computacional em redes neurais de Hopfield
title_fullStr Modelagem computacional em redes neurais de Hopfield
title_full_unstemmed Modelagem computacional em redes neurais de Hopfield
title_sort Modelagem computacional em redes neurais de Hopfield
author Piva, Gabriel Gomide
author_facet Piva, Gabriel Gomide
author_role author
dc.contributor.none.fl_str_mv Penna, Thadeu Josino Pereira
http://lattes.cnpq.br/9369928320175297
Portugal, Licínio Lima Silva
http://lattes.cnpq.br/6823585568469414
Schmidt, Alexandre Grezzi de Miranda
http://lattes.cnpq.br/4112063838658098
http://lattes.cnpq.br/3817859919860860
dc.contributor.author.fl_str_mv Piva, Gabriel Gomide
dc.subject.por.fl_str_mv Modelo de Hopfield
Redes neurais
Modelagem computacional
Neurofisiologia
Neurônio
Hopfield model
Neural networks
Computational modeling
topic Modelo de Hopfield
Redes neurais
Modelagem computacional
Neurofisiologia
Neurônio
Hopfield model
Neural networks
Computational modeling
description Neste trabalho restringimos o nosso estudo sobre redes neurais atratoras ao modelo de Hopfield para descrevermos as propriedades de memória e aprendizado de uma maneira mais objetiva. Primeiramente, com objetivo de aproximar o modelo da realidade biológica, tratamos o problema baseando-se nos pressupostos de Hebb e Hopfield por meio de teste das redes cujos neurônios possuem o mesmo balanço de ligação. Com base em argumentos introduzidos ao longo do trabalho, verificamos as respostas por testes das evidências de recuperação dos padrões (taxa de padrões reconhecidos) para redes com diferentes ligações entre os neurônios e depois usamos o teste para redes com balanço de interação diferente (redes livres de escala). Os testes foram realizados para ambas as redes tanto com padrões de entradas aleatórias de estados quanto para padrões com diferentes correlações. Para esta última, cada correlação diferente responderá de uma maneira.
publishDate 2024
dc.date.none.fl_str_mv 2024-09-26T20:25:23Z
2024-09-26T20:25:23Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PIVA, Gabriel Gomide. Modelagem computacional em redes neurais de Hopfield. 2016. 73 f. Trabalho de Conclusão de Curso (Graduação em Física com Ênfase em Física Computacional) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2016.
https://app.uff.br/riuff/handle/1/34837
identifier_str_mv PIVA, Gabriel Gomide. Modelagem computacional em redes neurais de Hopfield. 2016. 73 f. Trabalho de Conclusão de Curso (Graduação em Física com Ênfase em Física Computacional) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2016.
url https://app.uff.br/riuff/handle/1/34837
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv Bacharelado em Física Computacional
dc.publisher.none.fl_str_mv Volta Redonda
publisher.none.fl_str_mv Volta Redonda
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823552787120128

Registros relacionados