Dissertação
Multi-Modal Associative Memory: A framework for Artificial Intelligence EVALUATED
É extremamente difícil desenhar de memória a cara de um amigo que já não vemos há anos. No entanto, se nos cruzarmos conseguimos reconhecermo-nos facilmente.A nossa memória utiliza um algoritmo de compressão impressionante: capaz de guardar apenas aquilo que é essencial, para depois conseguir identificar aquilo que está a ser observado.A WN é uma Memória Associativa que tenta replicar estes algoritmos das memórias biológicas. A utilização destes modelos em aplicações práticas enfrenta o famosos Sparse Coding Problem. Para avançar, é necessário desenvolver métodos que transformem dados no seu estado natural em representações esparsas.Nesta dissertação, vamos utilizar um método proposto recentemente que transforma imagens em mapas binários de atributos. Uma análise no comportamento da WN em dados do mundo real permitiu-nos perceber melhor este modelo, e evidenciou as suas vantagens e desvantagens.Para ir mais longe com a WN, este trabalho propõe uma estruturação da rede em Múltiplas Modalidades. Neste novo cenário, a memória guarda várias modalidades dos dados simultaneamente. Consequentemente, a memória ganha flexibilidade, uma vez que se torna capaz de inferir uma modalidade em falta desde que um pequeno conjunto de informação seja observado.Para demonstrar a viabilidade da proposta, foram realizadas experiências no MNIST dataset. Guardando as imagens e valores simultaneamente, foi possível realizar classificação e geração. Os resultados demonstram a flexibilidade da nossa solução para resolver vários problemas de Aprendizagem numa única arquitetura, dando uma grande contribuição à área de Memorias Associativas num contexto prático.
abril 11, 2022, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Auxiliar