Texto completo
| |
| Autor(es): |
Pietro Zanin
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | São Paulo. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Física (IF/SBI) |
| Data de defesa: | 2022-08-08 |
| Membros da banca: |
Nestor Felipe Caticha Alfonso;
Juan Pablo Neirotti;
Daniel Adrián Stariolo
|
| Orientador: | Nestor Felipe Caticha Alfonso |
| Resumo | |
Neste trabalho construímos e analisamos um modelo com o objetivo de ampliar ideias do algoritmo de unlearning para tentar entender redes neurais interagentes. Nos baseamos não só em vários trabalhos de redes neurais que giram em torno desta ideia, mas também em alguns artigos de ciências sociais relacionados. O modelo é construído introduzindo uma modificação do Hamiltoniano de outros modelos, no qual introduzimos uma interação entre diferentes redes. Mudar a magnitude desta interação leva a resultados diferentes, sendo eles não triviais e ricos. Em geral, discutimos em quais regiões essa interação é benéfica e de que maneira ela pode ser benéfica. Apesar do modelo ser complexo demais para ser comparado com dados reais, ele apresenta comportamentos qualitativos que mimetizam algumas dinâmicas sociais de maneira interessante. Além disso, o modelo também é de interesse para a área de redes neurais, pois mostra uma maneira em que redes podem ser melhoradas significativamente de maneira eficiente. (AU) | |
| Processo FAPESP: | 21/07951-7 - Tópicos em redes neurais: I. interação entre redes neurais de atratores. II. dinâmica de aprendizado em redes de arquitetura profunda |
| Beneficiário: | Pietro Zanin |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |