Sumario: | 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)
|