• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
10.11606/D.55.2003.tde-11112014-145005
Document
Author
Full name
Juan Carlos Gutierrez Caceres
Institute/School/College
Knowledge Area
Date of Defense
Published
São Carlos, 2003
Supervisor
Committee
Liang, Zhao (President)
Macau, Elbert Einstein Nehrer
Romero, Roseli Aparecida Francelin
Title in Portuguese
Reconhecimento de padrões multi-valorados por redes neurais caóticas
Keywords in Portuguese
Não disponível
Abstract in Portuguese
Nas últimos décadas, estudos em neurobiologia evidenciam a existência de comportamentos caóticos no cérebro humano e animal, tanto a nível microscópico (neurônio) quanto a nível macroscópico (atividade global de cérebro). Essas evidencias motivam a exploração de sistemas caóticos em redes neurais artificiais. Diante deste contexto, o presente trabalho tem como objetivo estudar as redes neurais caóticas existentes e desenvolver novas redes neurais caóticas para reconhecimento de padrões multi-valorados. Dois novos modelos são propostos, cujos funcionamentos são divididos em duas fases: fase de armazenamento e fase de reconhecimento. Na primeira fase, um conjunto de padrões é armazenado em pontos fixos pelo algoritmo de aprendizado de matriz pseudo-inversa. Na segunda fase, a dinâmica periódica e caótica que existem em mapas caóticos são utilizadas. Em ambos modelos propostos, a órbita periódica representa um padrão recuperado, enquanto a órbita caótica oferece um mecanismo de busca eficiente. Uma das vantagens dos modelos propostos em relação às redes neurais caóticas existentes é que os primeiros não só podem reconhecer padrões binários, mas também podem reconhecer padrões multi-valorados, o que é uma característica importante em aplicações práticas.
Title in English
Multi-value pattern recognition by chaotic neural network
Keywords in English
Not available
Abstract in English
In the last decades, neurobiological researches yield evidences of chaotic behavior in animal and human brains, both in microscopic (neuron) and macroscopic (global brain activity) leveis. Such evidences motivate the exploration of chaotic systems in artificial neural networks. In this context, the objectives of the present work are to study the existing chaotic neural networks and to develop new chaotic neural networks for multi-value pattern recognition. Two new models are proposed in this work. The working mechanism of both of them is divided in two phases: storing and recognition. In the former phase, a set of patterns are stored in fixed points by the pseudo-inverse matrix learning algorithm. In the latter one, the periodic and chaotic dynamic existing in chaotic maps are employed with the periodic orbit representing a retrieved pattern and the chaotic orbit providing an efficient searching mechanism. One advantage of the proposed models over the existing chaotic neural networks lies in that the new models recognize not only binary, but also multi-value patterns, which is an important feature in practical applications.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2014-11-11
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
Centro de Informática de São Carlos
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.