Análise de redes neurais de atratores interagentes por meio de um modelo com solução analítica

• Ano de defesa: 2022
• Autor(a) principal: Zanin, Pietro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: agent models; Algoritmos de Aprendizado; attractor neural networks; learning algorithms; Mecânica Estatística; Método de réplicas; Modelos de agentes; Redes Neurais de Atratores; replica method; Statistical Mechanics
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-22022023-134919/

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.