21321

21321

تحول زماني مختصات رفتار جمعي مربوط به شبكه هاي عصبي، هنگام ادراك تغييرات سريع محيط

كارشناسي ارشد

فيزيك

1395

1398/4/3

دكتر همايون اشراقي

فيزيك

اسااتفاده از متغيرهاي جمعي، ابلب راهبردي مفيد براي مطالعهي سااامانههاي بزرگ با تعداد زيادي اجزاي م شابه ميبا شد، به همين جهت در دهههاي اخير تلاشهاي ب سياري در را ستاي تو صيف م شخ صههاي يك شاابكهي عصاابي، در قالب رفتار يك متغير جمعي مناسااب، انجام شااده اساات. يك مثال خاص از اين نوع شبكهها، يك نوع شبكهي عصبي خطي ا ست كه براي تشخيص الگوهاي پويا طراحي شده ا ست. در اينجا ابتدا نتيجهي پژوه شي )با كمي ت صرف( بازگو مي شود كه در آن، يك متغير جمعي براي چنين شبكههايي پيشنهاد شده و چگونگي فرايند تشخيص الگو به وسيلهي اين شبكهها، در قالب نحوهي رفتار متغير جمعي پي شنهادي، تو صيف مي شود. اين متغير جمعي، ا صطلاحا بامپ و شبكهي ع صبي مد نظر كه ات صالات آن منجر به تشكيل اين بامپ ميشود، جاذب بامپ ناميده ميشود. يك نمونهي الگوي پويا )براي مثال يك فايل صوتي مربوط به گفتار(، تو سط شبكه به عنوان نمونهي صحيح ت شخيص داده مي شود، اگر مكان بامپ، به مقدار خاصي كه مورد انتظار است، برسد. در اين پژوهش با استخراج و تعميم اصول به كار رفته در طراحي شاابكهي خطي فوق، به نحوهي طراحي يك شاابكهي جاذب بامپ Y -شااكل، براي تشااخيص دو الگويي كه بخش ابتدايي آنها م شابه ا ست، پرداخته مي شود. مطالعهي نحوهي عملكرد اين سي ستم، با برر سي رفتار متغير جمعي شبكه، صورت ميگيرد و در نهايت در ستي مدل پي شنهادي به و سيلهي حل عددي معادلات حاكم بر آن، مورد آزمون قرار ميگيرد.

1398/08/28

Time Evolution of Neural Network’s Collective Behavior, in Recognizing Fast Changes in System

6/24/2019 12:00:00 AM

Using a collective variable, is a well-known procedure for studying large systems with many similar components. In recent decades, many researchers tried to describe the properties of neural networks in the term of an appropriate collective variable’s behavior. One particular example of these networks is a linear neural network designed to recognize dynamic patterns. To define the fundamental concepts of a Y-shaped bump attractor, first, we review a research that develops a collective variable for a linear neural network and also describes the ability of the network to recognize dynamic patterns in terms of a collective variable’s behavior. This collective variable is known as a bump and the network, whose intrinsic feedback connections carries out this feature, is known as a bump attractor. A dynamic pattern (a speech audio file for example) will be recognized by the network if the location of the bump in the attractor network reaches a certain value. In this study, we try to design a Y-shaped bump attractor to recognize two dynamic patterns with same initial parts. The evaluation of system performance in dynamic pattern recognition is performed by looking into the behavior of the collective variables of the network. Finally the credibility of the proposed model will be corroborated by numerical simulation.