Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2006. / Submitted by Thaíza da Silva Santos (thaiza28@hotmail.com) on 2011-02-12T14:29:07Z No. of bitstreams: 1 2006_HelenCarvalhoCarmo.pdf: 2895894 bytes, checksum: ae5d45114411d242b5229f010e0f939d (MD5) / Approved for entry into archive by Daniel Ribeiro(daniel@bce.unb.br) on 2011-02-15T22:16:15Z (GMT) No. of bitstreams: 1 2006_HelenCarvalhoCarmo.pdf: 2895894 bytes, checksum: ae5d45114411d242b5229f010e0f939d (MD5) / Made available in DSpace on 2011-02-15T22:16:15Z (GMT). No. of bitstreams: 1 2006_HelenCarvalhoCarmo.pdf: 2895894 bytes, checksum: ae5d45114411d242b5229f010e0f939d (MD5) / Neste estudo realizou-se, pela primeira vez, o projeto de uma memória associativa estocástica, através da conexão de blocos de circuitos com funções específicas utilizando somente transistores mono-elétron. A viabilidade da conexão de blocos, integrando sistemas é demonstrada apresentando uma metodologia de projeto para a realização de sistemas nanoeletrônicos, utilizando o conceito hierárquico na composição dos circuitos. A funcionalidade do sistema formado pela memória associativa foi verificada a partir de simulações parciais e integrais do sistema, com ferramenta CAD profissional . _________________________________________________________________________________ ABSTRACT / In this study the design of an stochastic associative memory, based upon single-electron transistors, was, for the first time, carried out. An hierarchical design methodology, suitable for single-electron circuit conception was also devised in this work. The associative memory circuit design’s performance was validated using professional electrical simulators.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2015-05-14T12:16:19Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_biblioteca_2_AndreTiba.pdf: 1261765 bytes, checksum: 8c049182f9eab69fed4ee44413d59be6 (MD5) / Made available in DSpace on 2015-05-14T12:16:19Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_biblioteca_2_AndreTiba.pdf: 1261765 bytes, checksum: 8c049182f9eab69fed4ee44413d59be6 (MD5) Previous issue date: 2015-03-02 / As Memórias Associativas (MAs) são utilizadas para modelar diversos sistemas dinâmicos, com grande aplicação em armazenamento e recuperação de memórias. Porém, as MAs tradicionais são incapazes de modelar comportamentos caóticos. Por outro lado, a Memória Associativa Caótica (MAC), com neurônios caóticos proposto por Aihara, possui tal capacidade. O neurônio desta rede é formado por dois estados distintos: um externo, que compreende a saída do neurônio; outro interno, formado por um vetor bidimensional simplificado de variáveis de estado, que independe de atrasos temporais. O comportamento caótico ocorre neste estado interno da MAC. Os modelos de MAC, autoassociativos ou heteroassociativos, têm sido fonte de pesquisa, principalmente quanto ao estudo do caos e de seu controle. Porém, as MACs são sistemas suficientemente complexos, capazes de apresentar diversos outros tipos de comportamentos dinâmicos, tais como periodicidade, convergência assintótica, bifurcações diversas etc... Um comportamento dinâmico presente com frequência em sistemas não lineares multidimensionais é aquele ligado ao surgimento/desaparecimento de ciclos limites, estáveis ou instáveis. Em outras palavras: Bifurcação de Hopf (BH). Muitos trabalhos na literatura tratam do estudo analítico da presença da BH em Memórias Associativas Bidirecionais com atraso, realizando a prova analítica da existência e da estabilidade da BH. Este tipo de tarefa apenas é possível em sistemas de baixa dimensão devido às dificuldades decorrentes da prova analítica. De forma análoga, esta Tese teve como objetivo principal a realização da prova analítica da existência e da estabilidade da BH em uma MAC de baixa dimensão, treinada para armazenar um conjunto de memórias. Outros trabalhos já realizaram estudos numéricos da BH em modelos de MACs autoassociativas, porém este é o primeiro a realizar uma abordagem analítica. Além do tratamento analítico, este estudo consistiu ainda: na verificação numérica da presença da Bifurcação de Hopf; na análise das mudanças na capacidade de recuperação de memórias, quando a BH esteve presente na rede; e, por fim, na realização do controle da bifurcação para um conjunto de metas pré-estabelecidas, como a translação do ponto crítico e a mudança da estabilidade da bifurcação. Os resultados deste estudo mostraram ainda que: i) outros parâmetros da MAC, além daquele escolhido como parâmetro de bifurcação, podem ser utilizados como parâmetro de bifurcação; ii) as MACs podem apresentar bifurcações mais complexas, tais como as Bifurcações de Codimensão 2; iii) a presença da BH afeta intensamente a capacidade de recuperação das memórias armazenadas na rede; iv) os métodos de controle, Filtro Washout e Controle Polinomial, utilizados para o controle da BH foram capazes de realizar as metas estabelecidas, porém o Filtro Washout foi mais preciso que o Controle Polinomial. / The Associative Memories (AMs) are used to model different dynamic systems, with wide application in storing and retrieving memories. But traditional MAs are unable to model chaotic behavior. On the other hand, Chaotic Associative Memory (CAM) with chaotic neurons proposed by Aihara, has such capability. The chaotic neuron of CAM is formed by two distinct states: one external that comprises the network output; another internal, formed by a simplified twodimensional vector of state variables which no dependency on time delays. The chaotic behavior occurs in this internal state of the CAM. CAM models, autoassociative or heteroassociative, has been object of research mainly on the study of chaos and its control. However, the CAMs are complex systems able to present several other types of dynamic behavior such as periodicity, asymptotic convergence, various types of bifurcation, etc ... A common dynamical behavior in multidimensional nonlinear systems is that one linked to the emergence / disappearance of stable or unstable limite cycles. In other words: Hopf Bifurcation. More recently, many studies in the literature dealing with the analytical study of the presence of Hopf Bifurcation in Bidirectional Associative Memories with time delay, performing the analytical proof of the existence and stability of Hopf Bifurcation. This type of study is only possible in low-dimensional systems since the difficulty of analytic proof at high dimension systems. Similarly, this thesis aimed to realize the analytical proof of the existence and stability of Hopf Bifurcation in a low dimensional CAM trained to store a set of memories. Other studies in CAMs had been performed only the numerical analysis of the Hopf Bifurcation, however this is the first to perform an analytical approach. In addition to the analytical treatment, this study included: the numerical existence of the Hopf Bifurcation; the analysis of changes in the retrieval capability of learned memories in the Hopf Bifurcation presence; and finally, the bifurcation control to a set of established goals, such as the translation of the critical point and the change of the bifurcation stability. The results of this study also showed that: i) the four free parameters of CAM could be used as the bifurcation parameter; ii) the CAM may have more complex bifurcations Bifurcations such as Codimension 2 bifurcations; iii) the presence of Hopf Bifurcation affects the the retrieval capability of stored memories in the network; iv) Washout Filter and Polynomial Controller were used to translation the critical point goal and for change of stability goal, and Washout Filter was more accurate than Polynomial Controller.

Vidros de spins são sistemas extremamente complexos caracterizados por um número enorme de estados estáveis e meta estáveis. Se identificarmos cada um desses estados com uma informação memorizada, esses sistemas podem ser utilizados como memórias associativas ou endereçáveis por conteúdo. O modelo de vidro de spins passa então a ser chamado de rede de neurônios. Neste trabalho estudamos a termodinâmica e alguns aspectos dinâmicos de uma rede de neurônios com processamento paralelo ou síncrono - o Modelo de Little de memória associativa - no regime em que o número de informações memorizadas p cresce como p = αN, onde N é o número de neurônios. Usando a teoria simétrica em relação às réplicas obtemos o diagrama de fases no espaço de parâmetros do modelo no qual incluímos um termo de autointeração dos neurônios.A riqueza do diagrama de fases que possui uma superfície de pontos tricríticos é devida à competição entre os dois regimes assintóticos da dinâmica síncrona: pontos fixos e ciclos de período dois. / Spin glasses are very complex systems characterized by a huge number of stable and metastable states. If we identify each state with a memorized information then spin glasses may be used as associative or content addressable memories. This spin glass model is then called a neural network. In this work we study the thermodynamics and some dynamical aspects of a neural network with parallel or synchronous processing - Little\'s model of associative memory -in the regime where the number of memorized informations p grows as p = αN, where N is the number of neurons. Using the replica symmetric theory we determine the phase diagram in the space of the model\'s parameters, in which we include a neural self interaction term. The richness of the phase diagram which possesses a surface of tricritical points is due to the competition between the two asymptotic dynamical behaviours of the synchronous dynamics: fixed points and cycles of lenght two.

Vidros de spins são sistemas extremamente complexos caracterizados por um número enorme de estados estáveis e meta estáveis. Se identificarmos cada um desses estados com uma informação memorizada, esses sistemas podem ser utilizados como memórias associativas ou endereçáveis por conteúdo. O modelo de vidro de spins passa então a ser chamado de rede de neurônios. Neste trabalho estudamos a termodinâmica e alguns aspectos dinâmicos de uma rede de neurônios com processamento paralelo ou síncrono - o Modelo de Little de memória associativa - no regime em que o número de informações memorizadas p cresce como p = αN, onde N é o número de neurônios. Usando a teoria simétrica em relação às réplicas obtemos o diagrama de fases no espaço de parâmetros do modelo no qual incluímos um termo de autointeração dos neurônios.A riqueza do diagrama de fases que possui uma superfície de pontos tricríticos é devida à competição entre os dois regimes assintóticos da dinâmica síncrona: pontos fixos e ciclos de período dois. / Spin glasses are very complex systems characterized by a huge number of stable and metastable states. If we identify each state with a memorized information then spin glasses may be used as associative or content addressable memories. This spin glass model is then called a neural network. In this work we study the thermodynamics and some dynamical aspects of a neural network with parallel or synchronous processing - Little\'s model of associative memory -in the regime where the number of memorized informations p grows as p = αN, where N is the number of neurons. Using the replica symmetric theory we determine the phase diagram in the space of the model\'s parameters, in which we include a neural self interaction term. The richness of the phase diagram which possesses a surface of tricritical points is due to the competition between the two asymptotic dynamical behaviours of the synchronous dynamics: fixed points and cycles of lenght two.

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-21T14:39:08Z (GMT). No. of bitstreams: 1 Medeiros_CarlosRenato_M.pdf: 3281824 bytes, checksum: 90da4e6d96fe7557a92fa34f461172e7 (MD5) Previous issue date: 2012 / Resumo: Em meados dos anos 90, a memória associativa morfológica (MAM) foi apresentada como um modelo de memória associativa distributiva que realiza determinadas operações morfológicas definidas na teoria matemática de álgebra mini-max. Os modelos de MAMs vêm em duas versões diferentes que são tolerantes a diferentes tipos de ruído nos padrões de entrada. Para superar esta desvantagem, recorremos à teoria mais recente da morfologia matemática em inf-semirreticulado cujos operadores elementares são autoduais e definimos um modelo de memória associativa neste quadro / Abstract: In the mid 1990's, the morphological associative memory (MAM) was introduced as a distributive associative memory model that performs certain morphological operations defined in the mathematical theory of mini-max algebra. MAM models come in two different versions that are tolerant to different types of noise in the input patterns. To overcome this drawback, we resort to the more recent theory of mathematical morphology (MM) on inf-semilattices whose elementary operators are self-dual and we define an associative memory (AM) model in this framework / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-11T11:23:27Z (GMT). No. of bitstreams: 1 Miyasaki_Rodolfo_M.pdf: 1324947 bytes, checksum: a4ab87815520ddfd33ed0ac1b2ffcac2 (MD5) Previous issue date: 2008 / Resumo: As memórias associativas (AMs - Associative Memories) permitem armazenar associações de padrões e recuperar desejados padrões de saída mesmo após a apresentação de possíveis versões incompletas e/ou distorcidas de um padrão de entrada. As memórias associativas fuzzy (FAMs - Fuzzy Associative emories) s¿ao modelos de AMs cujos padrões de entrada e saída são conjuntos fuzzy. As FAMs mostraram-se poderosas ferramentas na implementação em sistemas de base de regras fuzzy. O fato de modelos de FAMs estarem relacionadas à morfologia matemática (MM) levou ao recente desenvolvimento das memórias associativas morfológicas fuzzy (FMAMs - Fuzzy Morphological Associative Memories), em particular as memórias associativas fuzzy implicativas (IFAMs - Implicative Fuzzy Associative Memories). Os neurônios da FMAM executam uma das operações elementares da MM, i.'é, erosão, dilatação, anti-erosão ou anti-dilatação. Essa dissertação relaciona a existência de soluções nos sistemas de equações relacionais fuzzy (FREs - Fuzzy Relational Equations) à recordação perfeita das IFAMs. Formulamos o problema de escolher um modelo apropriado de IFAM para uma dada aplicação através de um problema de otimização. Mais precisamente, determinamos o modelo de IFAM dado pela t-norma parametrizada de Yager que minimiza o erro entre os padrões recordados e os desejados padrões de saída. Uma imagem em tons de cinza pode ser expressa como uma relação fuzzy e dado uma família de conjuntos fuzzy, pode-se comprimi-la através de FREs. Assim, surge o problema inverso de encontrar uma reconstrução da imagem original a partir da imagem comprimida. Essa dissertação de mestrado determina a melhor aproximação por meio de uma IFAM / Abstract: Associative Memories (AMs) allow for the storage of pattern associations and the retrieval of the desired output patterns upon the presentation of a possibly noisy or imcomplete version of an input pattern. Fuzzy Associative Memories (FAMs) are models of AMs whose input and output patterns are fuzzy sets. FAMs have proven to be a powerful tool for implementing fuzzy rule-based systems. The fact that FAMs models are related to mathematical morphology (MM) has led to the development of fuzzy morphological associative memories (FMAMs), in particular fuzzy implicative fuzzy associative memories (IFAMs). The neurons of an FMAM perform one of the elementary operations of MM which as erosion, dilation, anti-erosion and anti-dilation. This thesis relates the existence of solutions in systems of fuzzy relational equations (FREs) to the perfect recall using IFAMs. We formulated the problem of choosing an appriopriate IFAM model for a given application as an optimization problem. More precisely, we determined the IFAM model given by a parameterized Yager t-norm which minimizes the error between the recalled patterns and the desired output patterns. A gray-scale image can be expressed as a fuzzy relation and, given a family of fuzzy sets, it can be compressed by means of FREs. Thus, the inverse problem arises of finding a reconstruction of the image original based on the compression. This master thesis determines the best approximation by means of a IFAMs / Mestrado / Mestre em Matemática Aplicada

Orientador: Marcos Eduardo Ribeiro do Valle Mesquita / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-27T12:11:26Z (GMT). No. of bitstreams: 1 Souza_AlineCristinade_M.pdf: 2392301 bytes, checksum: 8b771e0b97302577daaf84624b0c4751 (MD5) Previous issue date: 2015 / Resumo: Memórias associativas são modelos matemáticos inspirados pela capacidade do cérebro humano de armazenar e recordar informações por meio de associações. Tais modelos são projetados para armazenar um conjunto finito de associações chamado de conjunto das memórias fundamentais. Além disso, espera-se que a memória associativa seja capaz de recuperar uma informação armazenada mesmo a partir de um item incompleto ou ruidoso. As Memórias Associativas Recorrentes Exponenciais Fuzzy (REFAMs, acrônimo do termo em inglês Recurrent Exponential Fuzzy Associative Memories) podem ser efetivamente utilizadas para o armazenamento e recordação de uma família finita de conjuntos fuzzy. Em geral, uma REFAM define recursivamente uma sequência de conjuntos fuzzy obtidos usando médias ponderadas e exponenciais dos valores de medida de similaridade. Experimentos computacionais relacionados à recuperação de imagens em tons de cinza ruidosas mostraram que os novos modelos podem apresentar ótima capacidade absoluta de armazenamento bem como excelente tolerância a ruído / Abstract: Associative memories are mathematical models inspired by the human brain ability to store and recall information by means of associations. Such models are designed for the storage of a finite set of associations called the fundamental memories set. Furthermore, the associative memory is expected to be able to retrieve a stored information even from an incomplete or noisy item. The Recurrent Exponential Fuzzy Associative Memories (REFAMs) can be effectively used for storage and recall of a finite family of fuzzy sets. In general, a REFAM defines recursively a sequence of fuzzy sets obtained using weighted averages and exponentials of similarity measure values. Computational experiments concerning the retrieval of noisy gray-scale images revealed that the novel models may exhibit optimal absolute storage capacity as well as excellent noise tolerance / Mestrado / Matematica Aplicada / Mestra em Matemática Aplicada

In this work we introduce a peer-to-peer approach for in-flight entertainment video on-demand systems. Such applications are traditional ways for the airline to improve profit from its operation and attract customers. We outline how a peer-to-peer system should be organized to address this specific application and reduce operational costs for the airline. Furthermore, we discuss in details the problem of content discovery that rises in such environment and propose two feasible solutions. These solutions are analyzed in the terms of network bandwidth demand and amount of data transmitted over the network infrastructure. Our conclusions show that the content location problem can be solved without significant use of bandwidth, and ultimately the peer-to-peer paradigm is a worth-taking and feasible path for the next in-flight entertainment system generations.

Nessa dissertação, é investigado o armazenamento e a recuperação de padrões de forma biologicamente inspirada no cérebro. Os modelos estudados consistiram de redes neurais realimentadas, que tentam modelar certos aspectos dinâmicos do funcionamento do cérebro. Em particular, atenção especial foi dada às Redes Neurais Celulares, que constituem uma versão localmente acoplada do já clássico modelo de Hopfield. Além da análise de estabilidade das redes consideradas, foi realizado um teste com o intuito de avaliar o desempenho de diversos métodos de construção de memórias endereçáveis por conteúdo (memórias associativas) em Redes Neurais Celulares. / In this dissertation we investigate biologically inspired models of pattern storage and retrieval, by means of feedback neural networks. These networks try to model some of the dynamical aspects of brain functioning. The study concentrated in Cellular Neural Networks, a local coupled version of the classical Hopfield model. The research comprised stability analysis of the referred networks, as well as performance tests of various methods for content-addressable (associative) memory design in Cellular Neural Networks.

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-16T05:02:12Z (GMT). No. of bitstreams: 1 Esmi_Estevao_M.pdf: 1708768 bytes, checksum: 81d1d15b597bdc13e41b87c4847aa2f7 (MD5) Previous issue date: 2010 / Resumo: Redes neurais morfológicas (MNN) são redes neurais artificiais cujos nós executam operações elementares da morfologia matemática (MM). Vários modelos de MNNs e seus respectivos algoritmos de treinamentos têm sido propostos nos últimos anos, incluindo os perceptrons morfológicos(MPs), o perceptron morfológico com dendritos, as memórias associativas morfológicas (fuzzy), as redes neurais morfológicas modulares e as redes neurais de pesos compartilhados e regularizados. Aplicações de MNNs incluem reconhecimento de padrão, previsão de séries temporais, detecção de alvos, auto-localização e processamento de imagens hiperespectrais. Nesta tese, abordamos dois novos modelos de redes neurais morfológicas.O primeiro consiste em uma memória associativa fuzzy denominada KS-FAM, e o segundo representa uma nova versão do perceptron morfológico para problemas de classificação de múltiplas classes, denominado perceptron morfológico com aprendizagem competitiva(MP/CL). Para ambos modelos, investigamos e demonstramos várias propriedades. Em particular para a KS-FAM, caracterizamos as condições para que uma memória seja perfeitamente recordada, assim como a formada saída produzida ao apresentar um padrão de entrada qualquer. Provamos ainda que o algoritmo de treinamento do MP/CL converge em um número finito de passos e que a rede produzida independe da ordem com que os padrões de treinamento são apresentados. Além disso, é garantido que o MP/CL resultante classifica perfeitamente todos os dados de treinamento e não produz regiões de indecisões. Finalmente, comparamos os desempenhos destes modelos com os de outros modelos similares em uma série de experimentos, que incluir e conhecimento de imagens em tons de cinza, para a KS-FAM, e classificação de vários conjuntos de dados disponíveis na internet, para o MP/CL / Abstract: Morphological neural networks (MNN) are artificial neural networks whose hidden neurons perform elementary operations of mathematical morphology (MM). Several particular models of MNNs have been proposed in recent years, including morphological perceptrons (MPs), morphological perceptrons with dendrites, (fuzzy) morphological associative memories, modular morphological neural networks as well as morphological shared-weight and regularization neural networks. Applications of MNNs include pattern recognition, time series prediction, target detection, self-location, and hyper-spectral image processing. In this thesis, we present two new models of morphological neural networks. The first one consists of a fuzzy associative memory called KS-FAM. The second one represents a novel version of the morphological perceptron for classification problems with multiple classes called morphological perceptron with competitive learning(MP/CL). For both KS-FAM and MP/CL models, we investigated and showed several properties. In particular, we characterized the conditions for perfect recall using the KS-FAM as well as the outputs produced upon presentation of an arbitrary input patern. In addition, we proved that the learning algorithm of the MP/CL converges in a finite number of steps and that the results produced after the conclusion of the training phase do not depend on the order in which the training patterns are presented to the network. Moreover, the MP/CL is guaranteed to perfectly classify all training data without generating any regions of indecision. Finaly, we compared the performances of our new models and a range of competing models in terms of a series of experiments in gray-scale image recognition (in case of the KS-FAM) and classification using several well-known datasets that are available on the internet (in case of the MP/CL) / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada