¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?

En la presente comunicación analizamos cómo se modifican las características de las trayectorias de la evolución dinámica de una red contínua de Hopfield en el espacio v de estados neuronales al variar el parámetro λ que controla la ganancia del procesamiento neuronal. Mostramos que, debido a la no...

Descripción completa

Detalles Bibliográficos
Autores principales: Cheret, Juan Pablo, Ferrán, Edgardo Alberto
Formato: Artículo publishedVersion
Lenguaje:Español
Publicado: Asociación Física Argentina 1989
Acceso en línea:https://hdl.handle.net/20.500.12110/afa_v01_n01_p060
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id afa:afa_v01_n01_p060
record_format dspace
spelling afa:afa_v01_n01_p0602025-03-11T11:22:25Z ¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía? An. (Asoc. Fís. Argent., En línea) 1989;01(01):60-62 Cheret, Juan Pablo Ferrán, Edgardo Alberto En la presente comunicación analizamos cómo se modifican las características de las trayectorias de la evolución dinámica de una red contínua de Hopfield en el espacio v de estados neuronales al variar el parámetro λ que controla la ganancia del procesamiento neuronal. Mostramos que, debido a la no linealidad de la función g(uᵢ), dichas trayectorias no tienen la dirección del gradiente de la energía E ni del gradiente de la función Lyapunoyℒ definida por Hopfield. Determinamos los ángulos promedio <α> y <β> entre los vectores V y Δℒ y los vectores V y VE, respectivamente, para distintos valores de λ, realizando un muestreo estadístico del espacio v (mediante un proceso Monte Carlo) en redes que tienen diferentes cantidades de neuronas y/o puntos fijos. También mostramos como varían temporalmente α y β siguiendo diversas trayectorias en dicho espacio, en el caso particular de una red construída para resolver el problema del viajante de comercio según el método de Hopfield y Tank. En todos los casos analizados se observa un valor menor de <α> si λ es alto (neuronas de estado cuasi-discreto) Fil: Cheret, Juan Pablo. Universidad de Buenos Aires. Facultad de Ingeniería. Departamento de Física (UBA-FI). Buenos Aires. Argentina Fil: Ferrán, Edgardo Alberto. Universidad de Buenos Aires. Facultad de Ingeniería. Departamento de Física (UBA-FI). Buenos Aires. Argentina Asociación Física Argentina 1989 info:ar-repo/semantics/artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/afa_v01_n01_p060
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
description En la presente comunicación analizamos cómo se modifican las características de las trayectorias de la evolución dinámica de una red contínua de Hopfield en el espacio v de estados neuronales al variar el parámetro λ que controla la ganancia del procesamiento neuronal. Mostramos que, debido a la no linealidad de la función g(uᵢ), dichas trayectorias no tienen la dirección del gradiente de la energía E ni del gradiente de la función Lyapunoyℒ definida por Hopfield. Determinamos los ángulos promedio <α> y <β> entre los vectores V y Δℒ y los vectores V y VE, respectivamente, para distintos valores de λ, realizando un muestreo estadístico del espacio v (mediante un proceso Monte Carlo) en redes que tienen diferentes cantidades de neuronas y/o puntos fijos. También mostramos como varían temporalmente α y β siguiendo diversas trayectorias en dicho espacio, en el caso particular de una red construída para resolver el problema del viajante de comercio según el método de Hopfield y Tank. En todos los casos analizados se observa un valor menor de <α> si λ es alto (neuronas de estado cuasi-discreto)
format Artículo
Artículo
publishedVersion
author Cheret, Juan Pablo
Ferrán, Edgardo Alberto
spellingShingle Cheret, Juan Pablo
Ferrán, Edgardo Alberto
¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
author_facet Cheret, Juan Pablo
Ferrán, Edgardo Alberto
author_sort Cheret, Juan Pablo
title ¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
title_short ¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
title_full ¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
title_fullStr ¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
title_full_unstemmed ¿Por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
title_sort ¿por qué una red de neuronas de estado contínuo puede evolucionar hacia un mínimo global de energía?
publisher Asociación Física Argentina
publishDate 1989
url https://hdl.handle.net/20.500.12110/afa_v01_n01_p060
work_keys_str_mv AT cheretjuanpablo porqueunareddeneuronasdeestadocontinuopuedeevolucionarhaciaunminimoglobaldeenergia
AT ferranedgardoalberto porqueunareddeneuronasdeestadocontinuopuedeevolucionarhaciaunminimoglobaldeenergia
_version_ 1831980553760407552

Ejemplares similares