TFG, TFM
NOMBRE Y APELLIDOS DE LOS TUTORES/AS
1. Aurélien Decelle
e-mail de contacto para el alumnado interesado: aurelien.decelle@upm.es
ESCUELAS EN LA QUE SE OFERTA: ETSII
(TÁCHESE LO QUE NO PROCEDA)
RESUMEN:
Los modelos de memoria asociativa, introducidos por John Hopfield, son modelos físicos de la física estadística que pueden recuperar o “re-llamar” un conjunto dado de patrones. Desde del punto de vista estadística, a esos padrones les corresponden las configuraciones de equilibrio determinadas por la distribución de probabilidad del modelo. Este modelo resulta especialmente interesante para entender cómo un conjunto de neuronas conectadas puede definir patrones y evocarlos para ciertas tareas. En este TFG/TFM se propone estudiar cómo los patrones del modelo pueden ser aprendidos a partir de un conjunto de datos. Utilizando un formalismo de inferencia bayesiana, se puede caracterizar, en función de la distribución subyacente del conjunto de datos, cuándo es posible o no inferir patrones a partir del mismo. Se propone, por tanto, estudiar cómo esta capacidad de aprendizaje depende tanto de la distribución de los datos como de los parámetros del modelo, combinando enfoques analíticos y teóricos.
Los programas de simulación numérica se harán en Python.