Algumas generalizações das memórias associativas recorrentes por correlação

• Processo: 13/12310-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2013
• Data de Término da vigência: 30 de setembro de 2015
• Área do conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Marcos Eduardo Ribeiro Do Valle Mesquita
• Beneficiário: Marcos Eduardo Ribeiro Do Valle Mesquita
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Inteligência artificial Redes neurais (computação) Inteligência computacional Memória associativa Processamento de imagens Processamento de sinais
• Palavra(s)-Chave do Pesquisador: Inteligência computacional | memórias associativas | processamento de imagens e sinais | reconstrução e remoção de ruído | Redes Neurais Artificiais | Inteligência Computacional

Resumo

Memórias associativas (AMs) são modelos matemáticos inspirados na capacidade do cérebro humano de armazenar e recordar por associação. Sobretudo, assim como o cérebro, AMs também são capazes de recordar um certo padrão mesmo quando a entrada representa uma versão incompleta ou ruidosa de um item armazenado. A classe das memórias associativas recorrentes por correlação (RCAMs), introduzidas por Chiueh e Goodman no início dos anos 1990, inclui modelos de AM como a famosa rede de Hopfield e a memória associativa exponencial por correlação. Muitas RCAMs apresentam uma grande capacidadede armazenamento e uma excelente tolerância a ruído. Contudo, as RCAMs são projetadas para o armazenamento e a recordação de padrões bipolares. Nesse projeto de pesquisa investigaremos generalizações das RCAMs para padrões com valores reais, complexos e multi-valores. O desempenho dos novos modelos serão avaliados, por exemplo, através de experimentos computacionais com imagens em tons de cinza e coloridas. (AU)

Publicações científicas

(5)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

VALLE, MARCOS EDUARDO. A Robust Subspace Projection Autoassociative Memory Based on the M-Estimation Method. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, v. 25, n. 7, p. 1372-1377, JUL 2014. (13/12310-4)

VALLE, MARCOS EDUARDO. Complex-Valued Recurrent Correlation Neural Networks. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, v. 25, n. 9, p. 13-pg., 2014-09-01. (13/12310-4)

VALLE, MARCOS EDUARDO; DE CASTRO, FIDELIS ZANETTI; IEEE. Theoretical and Computational Aspects of Quaternionic Multivalued Hopfield Neural Networks. 2016 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2016-01-01. (13/12310-4)

VALLE, MARCOS EDUARDO. Complex-Valued Recurrent Correlation Neural Networks. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, v. 25, n. 9, SI, p. 1600-1612, SEP 2014. (13/12310-4)

VALLE, MARCOS EDUARDO; VALENTE, RAUL AMBROZIO. Mathematical Morphology on the Spherical CIELab Quantale with an Application in Color Image Boundary Detection. Journal of Mathematical Imaging and Vision, v. 57, n. 2, p. 183-201, FEB 2017. (13/12310-4)