00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) IF - INSTITUTO DE FÍSICA Dissertações e Teses defendidas na UFAL - IF
Use este identificador para citar ou linkar para este item: http://www.repositorio.ufal.br/jspui/handle/riufal/4763
Tipo: Dissertação
Título: Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes
Autor(es): Vieira, Vinícius Manzoni
Primeiro Orientador: Silva, Crisógono Rodrigues da
metadata.dc.contributor.advisor-co1: Lyra, Marcelo Leite
metadata.dc.contributor.referee1: Campos, Paulo Roberto de Araújo
Resumo: As redes neurais artificiais (RNAs) são dispositivos matemáticos e computacionais, que procuram simular alguns dos comportamentos das redes neurais biológicas. Neste trabalho, primeiramente apresentamos uma visão geral sobre as redes neurais, mostrando uma aplicação de uma rede do tipo perceptron de múltiplas camadas para a estimativa de parâmetros petrofísicos. Em seguida, estudamos analiticamente e através de simulações numéricas, o comportamento do modelo de Hopfield para em seguida introduzir na dinâmica do sistema um campo que simula o efeito de um estímulo persistente que privilegia determinado padrão armazenado na rede. Para o modelo de Hopfiled na presença deste campo, primeiramente apresentamos uma visão geral do efeito do campo na presença de assimetria e diluição nas conexões sinápticas. Em seguida, utilizando uma aproximação de campo médio, obtivemos um conjunto de equações acopladas para os parâmetros de ordem m e q em função dos parâmetros h (que simula o estímulo persistente), “alfa” (capacidade de armazenamento da rede) e T (ruído estocástico), para o modelo numa rede completamente conectada e com conexões simétricas. Analisamos as propriedades da rede quanto `a habilidade de reconhecimento e capacidade de armazenamento, obtendo o diagrama de fases “alfa” xT para o modelo mostrando a dependência das transições com o valor de h. Para o caso determinístico (T = 0), realizamos simulações numéricas, onde desenvolvemos e aprimoramos um algoritmo computacional utilizando a técnica de multi-spin coding, e mostramos a boa concordância apresentada pelos resultados quando comparados aos resultados obtidos analiticamente. Todos os resultados apontam para um crescimento da capacidade de reconhecimento com o aumento do parâmetro h que controla a intensidade do estímulo persistente.
Abstract: Artificial Neural Networks are mathematical and computational devices which try to simulate some behaviors of biological neural networks. In the beginning of this work, we present a review about neural networks, showing an application of a Multi-Layered Perceptron for the estimative of petrophysical parameters. After that, we made an analytical and numerical study of the behavior of a neural network based on the Hopfield model on which we introduced in the system’s dynamics a parameter that acts as a field to simulate the effect of a persistent stimulus that privileges a stored pattern in the network. For the Hopfield’s model in the presence of this field, we present a review of the field’s effect in the model with dilution and asymmetry on the synaptic connections. After that, using a mean Field approximation, we have got a set of equations for the order parameters m and q in function of the parameters h (that simulates the persistent stimulus field),”alpha” (network’s storage capacity) and T (thermal noise), for the model on a fully connected network and symmetric connections. We analyze the recognition and storage capacity properties of the network, resulting on the phase diagram “alpha” x T for the model, showing the dependence of the recognition transition on the value of h. For the deterministic case (T = 0), we perform numerical simulations, where we develop and improve a computational algorithm using the multi-spin coding technique. Our simulation results show a good agreement with the analytical ones. All the results indicate na increase of the recognition capacity when increasing the h parameter, which controls the intensity of the stimulus field.
Palavras-chave: Redes nuerais (Computação)
Petrofísica
Hopfield, Modelo de
Estímulos persistentes
Nueral networks (Computing)
Petrophysics
Hopfield, Model of
Persistent stimuli
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA
Idioma: por
País: Brasil
Editor: Universidade Federal de Alagoas
Sigla da Instituição: UFAL
metadata.dc.publisher.program: Programa de Pós-Graduação em Física
Citação: VIEIRA, Vinícius Manzoni. Redes neurais artificiais: uma aplicação em petrofísica e estudo dos efeitos de estímulos persistentes. 2019. 111 f. Dissertação (Mestrado em Física da Matéria Condensada) – Instituto de Física, Programa de Pós Graduação em Física, Universidade Federal de Alagoas, Maceió, 2007.
Tipo de Acesso: Acesso Aberto
URI: http://www.repositorio.ufal.br/handle/riufal/4763
Data do documento: 15-fev-2007
Aparece nas coleções:Dissertações e Teses defendidas na UFAL - IF

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Redes neurais artificiais uma aplicação em petrofísica e estudo dos efeitos de.pdf9.15 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.