Decodificação de códigos corretores de erros por meio de redes neurais

• Autor(a) principal: Valentim, Maiara Aparecida Coimbra
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/26753
• topic: Códigos corretores de erros (Teoria da informação); Redes neurais (Computação); Teoria dos grafos; Álgebra

Nesta dissertação estudamos principalmente métodos de decodificação de códigos corretores de erros lineares por meio de redes neurais apresentando algumas formas de relacionar tais conceitos. A partir do estudo de alguns tópicos da Teoria de Redes Neurais e da Teoria dos Grafos, fizemos uma comparação entre a decodificação por síndrome da Teoria Clássica dos Códigos Corretores de Erros e um algoritmo de decodificação utilizando redes neurais. Um dos principais resultados, envolvendo o modelo de Hopfield, prova que a decodificação de máxima verossimilhança em um código linear é equivalente a encontrar o máximo global de uma função de energia em uma rede neural. Os códigos lineares podem ser representados como estados estáveis das funções de energia. Assim, dado um código linear, uma rede neural pode ser construída de tal forma que cada máximo local na função de energia corresponda a uma palavra do código, e reciprocamente, cada palavra do código corresponda a um máximo local de uma função de energia.