Dissertação
Hierarchical Associative Memories and Sparse Coding EVALUATED
Existem na literatura científica vários modelos de redes neuronais artificiais que implementam memórias associativas. Neste trabalho fornece-se uma comparação generalizada de alguns deles no que diz respeito à sua operação computacional (funcionamento e desempenho), bem como aspectos biológicos que estariam na sua origem. O foco ficou principalmente no modelo do actualmente pos-doc João Sacramento (Memórias Associativas Hierárquicas, 2011) orientado também pelo prof. Andreas Wichert, que criou uma hierarquia de matrizes semelhantes à Lernmatrix (modelo de Steinbuch, 1963) dispostas em várias camadas. Tais matrizes funcionam como filtros relativamente umas às outras, e permitem seleccionar e restringir os caminhos no espaço da pesquisa do output (retrieval) a partir do input apresentado à rede (o conteúdo de informação de cada camada de matrizes é uma aproximação sucessiva, ou resumo, da próxima matriz da hierarquia). Na minha tese proponho um aperfeiçoamento do modelo que, graças à reorganização da informação armazenada, torna mais eficiente o modelo hierárquico existente na retrieval em termos de número de cálculos necessários, ao mesmo tempo que se consegue manter tão eficaz (em termos de erros no output). São apresentados resultados experimentais que apoiam o modelo criado e implementado, juntamente com comentários sobre eventuais aplicações.
maio 27, 2016, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Auxiliar