Processamento de informações em redes de neurônios sincronas

Abstract

Vidros de spins são sistemas extremamente complexos caracterizados por um número enorme de estados estáveis e meta estáveis. Se identificarmos cada um desses estados com uma informação memorizada, esses sistemas podem ser utilizados como memórias associativas ou endereçáveis por conteúdo. O modelo de vidro de spins passa então a ser chamado de rede de neurônios. Neste trabalho estudamos a termodinâmica e alguns aspectos dinâmicos de uma rede de neurônios com processamento paralelo ou síncrono - o Modelo de Little de memória associativa - no regime em que o número de informações memorizadas p cresce como p = αN, onde N é o número de neurônios. Usando a teoria simétrica em relação às réplicas obtemos o diagrama de fases no espaço de parâmetros do modelo no qual incluímos um termo de autointeração dos neurônios.A riqueza do diagrama de fases que possui uma superfície de pontos tricríticos é devida à competição entre os dois regimes assintóticos da dinâmica síncrona: pontos fixos e ciclos de período dois. Spin glasses are very complex systems characterized by a huge number of stable and metastable states. If we identify each state with a memorized information then spin glasses may be used as associative or content addressable memories. This spin glass model is then called a neural network. In this work we study the thermodynamics and some dynamical aspects of a neural network with parallel or synchronous processing - Little's model of associative memory -in the regime where the number of memorized informations p grows as p = αN, where N is the number of neurons. Using the replica symmetric theory we determine the phase diagram in the space of the model's parameters, in which we include a neural self interaction term. The richness of the phase diagram which possesses a surface of tricritical points is due to the competition between the two asymptotic dynamical behaviours of the synchronous dynamics: fixed points and cycles of lenght two.