Decodificação de códigos corretores de erros por meio de redes neurais
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFV_df09fb86b315357ee0e7489b4abfadf4 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/26753 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Valentim, Maiara Aparecida Coimbrahttp://lattes.cnpq.br/6954679621815979Guerreiro, Marinês2019-08-29T13:40:10Z2019-08-29T13:40:10Z2019-07-17VALENTIM, Maiara Aparecida Coimbra. Decodificação de códigos corretores de erros por meio de redes neurais. 2019. 78 f. Dissertação (Mestrado em Matemática) - Universidade Federal de Viçosa, Viçosa. 2019.https://locus.ufv.br//handle/123456789/26753Nesta 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.The main goal of this work is to study methods of decoding linear error correction codes using neural networks by presenting some ways of relating such concepts. From the study of some topics of Neural Networks Theory and Graph Theory, we compared the syndrome decoding of error correcting codes in the Classical Theory with a decoding algorithm using neural networks. One of the main results, using the Hopfield model, proves that maximum likelihood decoding in a linear code is equivalent to finding the global maximum of an energy function in a neural network. Linear codes can be represented as stable states of the energy functions. Thus, given a linear code, a neural network can be constructed such that each local maximum in the energy function corresponds to one word of the code, and conversely, each word of the code corresponds to a local maximum of one energy function.porUniversidade Federal de ViçosaCódigos corretores de erros (Teoria da informação)Redes neurais (Computação)Teoria dos grafosÁlgebraDecodificação de códigos corretores de erros por meio de redes neuraisDecoding error-correcting codes through neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de MatemáticaMestre em MatemáticaViçosa - MG2019-07-17Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf2827346https://locus.ufv.br//bitstream/123456789/26753/1/texto%20completo.pdf742f3503471addcc91c75a6b0a605028MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/26753/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/267532022-06-28 08:27:35.527oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452022-06-28T11:27:35LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Decodificação de códigos corretores de erros por meio de redes neurais |
dc.title.en.fl_str_mv |
Decoding error-correcting codes through neural networks |
title |
Decodificação de códigos corretores de erros por meio de redes neurais |
spellingShingle |
Decodificação de códigos corretores de erros por meio de redes neurais Valentim, Maiara Aparecida Coimbra Códigos corretores de erros (Teoria da informação) Redes neurais (Computação) Teoria dos grafos Álgebra |
title_short |
Decodificação de códigos corretores de erros por meio de redes neurais |
title_full |
Decodificação de códigos corretores de erros por meio de redes neurais |
title_fullStr |
Decodificação de códigos corretores de erros por meio de redes neurais |
title_full_unstemmed |
Decodificação de códigos corretores de erros por meio de redes neurais |
title_sort |
Decodificação de códigos corretores de erros por meio de redes neurais |
author |
Valentim, Maiara Aparecida Coimbra |
author_facet |
Valentim, Maiara Aparecida Coimbra |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/6954679621815979 |
dc.contributor.author.fl_str_mv |
Valentim, Maiara Aparecida Coimbra |
dc.contributor.advisor1.fl_str_mv |
Guerreiro, Marinês |
contributor_str_mv |
Guerreiro, Marinês |
dc.subject.pt-BR.fl_str_mv |
Códigos corretores de erros (Teoria da informação) Redes neurais (Computação) Teoria dos grafos |
topic |
Códigos corretores de erros (Teoria da informação) Redes neurais (Computação) Teoria dos grafos Álgebra |
dc.subject.cnpq.fl_str_mv |
Álgebra |
description |
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. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-08-29T13:40:10Z |
dc.date.available.fl_str_mv |
2019-08-29T13:40:10Z |
dc.date.issued.fl_str_mv |
2019-07-17 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
VALENTIM, Maiara Aparecida Coimbra. Decodificação de códigos corretores de erros por meio de redes neurais. 2019. 78 f. Dissertação (Mestrado em Matemática) - Universidade Federal de Viçosa, Viçosa. 2019. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/26753 |
identifier_str_mv |
VALENTIM, Maiara Aparecida Coimbra. Decodificação de códigos corretores de erros por meio de redes neurais. 2019. 78 f. Dissertação (Mestrado em Matemática) - Universidade Federal de Viçosa, Viçosa. 2019. |
url |
https://locus.ufv.br//handle/123456789/26753 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/26753/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/26753/2/license.txt |
bitstream.checksum.fl_str_mv |
742f3503471addcc91c75a6b0a605028 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1801212871960428544 |