Submitted by Biblioteca do Instituto de Física (bif@ndc.uff.br) on 2017-07-04T18:39:14Z No. of bitstreams: 1 Dissertaçao_PierreSoares (1).pdf: 729793 bytes, checksum: 12e5898e33b9602f7b327e003b58716b (MD5) / Made available in DSpace on 2017-07-04T18:39:14Z (GMT). No. of bitstreams: 1 Dissertaçao_PierreSoares (1).pdf: 729793 bytes, checksum: 12e5898e33b9602f7b327e003b58716b (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro / O uso de redes neurais na solução de problemas é bastante atrativa pois suas características possibilitam desempenho superior ao de métodos convencionais [1]. Dentre os diferentes modelos de redes neurais, o modelo de Hopfield apresenta uma grande importância histórica nesse campo. Neste trabalho estudaremos o problema da capacidade de reconhecimento em uma rede de Hopfield utilizando técnicas de análise de tamanho finito. Vamos comparar os resultados obtidos por diferentes métodos com o intuito de obter o valor de [alfa c], o ponto onde a rede passa por uma transição de fase. Para isso utilizaremos simulações computacionais de redes de Hopfield. / The use of neural networks in problem solution is quite attractive because its characteristics enable superior performance than the conventional methods [1]. Among the different models of neural networks, the Hopfield model has a great historic importance in this field. In this work we will study the capacity problem of a Hopfield network by using finite-size analysis. We will compare the results obtained by different methods to find the value of [alpha c], the point where the network undergoes a phase transition. For this we will use computational simulations of Hopfield networks.

Submitted by Biblioteca do Instituto de Física (bif@ndc.uff.br) on 2017-07-14T18:59:48Z No. of bitstreams: 1 Dissertaçao_PierreSoares (1).pdf: 729793 bytes, checksum: 12e5898e33b9602f7b327e003b58716b (MD5) / Made available in DSpace on 2017-07-14T18:59:48Z (GMT). No. of bitstreams: 1 Dissertaçao_PierreSoares (1).pdf: 729793 bytes, checksum: 12e5898e33b9602f7b327e003b58716b (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro / O uso de redes neurais na solução de problemas é bastante atrativa pois suas características possibilitam desempenho superior ao de métodos convencionais [1]. Dentre os diferentes modelos de redes neurais, o modelo de Hopfield apresenta uma grande importância histórica nesse campo. Neste trabalho estudaremos o problema da capacidade de reconhecimento em uma rede de Hopfield utilizando técnicas de análise de tamanho finito. Vamos comparar os resultados obtidos por diferentes métodos com o intuito de obter o valor de , o ponto onde a rede passa por uma transição de fase. Para isso utilizaremos simulações computacionais de redes de Hopfield. / The use of neural networks in problem solution is quite attractive because its characteristics enable superior performance than the conventional methods [1]. Among the different models of neural networks, the Hopfield model has a great historic importance in this field. In this work we will study the capacity problem of a Hopfield network by using finite-size analysis. We will compare the results obtained by different methods to find the value of , the point where the network undergoes a phase transition. For this we will use computational simulations of Hopfield networks.