Fenómenos cooperativos en autómatas neuronales estocásticos con sinapsis dinámicas

  1. Cortés Díaz, Jesús María
Dirigida por:
  1. Joaquín Javier Torres Agudo Director/a
  2. Joaquín Marro Director/a

Universidad de defensa: Universidad de Granada

Fecha de defensa: 15 de abril de 2005

Tribunal:
  1. Alberto Prieto Espinosa Presidente/a
  2. Pedro Luis Garrido Galera Secretario/a
  3. Albert Compte Vocal
  4. Sabine Hilkifer Vocal
  5. David Domínguez Carreta Vocal

Tipo: Tesis

Teseo: 124461 DIALNET

Resumen

En esta tesis se estudia mediante técnicas analíticas y computacionales del no-equilibrio cómo influye el incorporar diferentes dinámicas para las sinapsis más o menos realistas en las propiedades emergentes y macroscópicas de redes neuronales atractoras, En especial, se ha investigado la aparición de memoria asociativa, la estabilidad de los diferentes atractores de la dinámica en presencia de estimulación externa, y la existencia de trayectorias caóticas entre los diferentes atractores. Se ha estudiado tres diferentes niveles de complejidad en la dinámica asociada a las variables que describen el estado de las sinapsis: 1,- Se ha considerado una dinámica para las sinapsis determinista y basada en un modelo fenomenológico que permite reproducir experimentos reales. Esta dinámica incorpora efectos de depresión y facilitación sináptica. Acoplada a esta dinámica las neuronas evolucionan de forma estocástica. El efecto de facilitación es reducir sensiblemente la capacidad crítica de la red, pero en cambio, permite responder más rápidamente ante estímulos cambiantes. 2,- Las sinapsis están sometidas a la acción de una perturbación estocástica o ruido rápido que depende de la actividad presinaptica. Las neuronas evolucionan estocásticamente en presencia de una distribución estacionaria del ruido rápido. Éste induce inestabilidad de los atractores que permite mejorar la respuesta de la red frente a estímulos externos. 3,- Por último, se ha desarrollado un modelo más artificial donde las intensidades sinápticas tienen estocástica controlada por un parámetro temperatura. Dicha dinámica es acoplada a la dinámica para las neuronas que es también estocástica. La dinámica de este modelo permite detectar correlaciones entre los patrones aprendidos, hecho que lo hace útil para problemas de categorización y clasificación de memorias.