O papel da arquitetura na estabilização de redes neuronais recorrentes

• Autor(a) principal: Becker, Marcelo Porto
• Data de Publicação: 2014
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/117935
• topic: Redes neurais; Homeostase; Bioinformática; Recurrent neuronal networks; Unsupervised learning; Homeostatic plasticity; Network stability

A dinâmica de redes recorrentes em áreas corticais do encéfalo possui grande relevância na codificação de informações sensoriais. O processamento desse tipo de informação deve levar em conta características tanto espaciais como temporais desses estímulos. Estudos sugerem que tal codificação é feita como trajetórias em um espaço de fases. Essas trajetórias precisam ser estáveis para que a informação seja corretamente transmitida. Regras de plasticidade homeostáticas canônicas como o synaptic scaling, apesar de corretamente estabilizarem redes de estrutura feedforward, não conseguem estabilizar redes recorrentes. Uma outra forma de regra homeostática, chamada Presynaptic-dependent synaptic scaling, foi capaz de estabilizar a atividade de redes recorrentes em alguns casos, porém sua eficácia degrada com a quantidade de informação embebida na rede. Além disso, a estrutura topológica dessas redes ainda não foram detalhadamente descritas, e nenhuma estrutura preferencial foi aferida. Para adereçar essas questões, avaliamos a estabilidade da atividade frente a diversas arquiteturas de rede, variando a clusterização e a distribuição de graus de entrada. Também buscamos correlações entre o nível de estabilidade da rede e algumas de suas propriedades como o caminho mínimo médio, o índice de recursividade, a clusterização global e a média dos pesos sinápticos. Conseguimos observar que as redes apresentaram melhores valores de estabilidade para algumas distribuições de graus de entrada, sendo essas distribuições binomiais com caudas ligeiramente alongadas. Pudemos também observar melhor algumas das características dessas redes e como elas se auto-organizam. As demais propriedades não apresentaram uma influência significativa na estabilidade. Entretanto, os resultados não descartam existência de influência de propriedades locais da rede sobre a estabilidade.