Estudio del caos en Redes Neuronales discretas para su implementación en hardware

M. ANTONELLI; L. DE MICCO

Buenos Aires

Congreso; Congreso Argentino de Sistemas Embebidos CASE 2014; 2014

Las redes neuronales (NNs) basados en conceptos inspirados en la naturaleza del cerebro. Las NNs determinísticas son entrenadas mediante algoritmos que requieren la utilización de números aleato- rios. Unadelasprincipalesaplicacionesdelossistemascaóticoseslageneracióndenúmerospseudoalea- torios (PRNG). En trabajos previos, se propone la siguiente metodología: recombinar una parte de la NN que se esta entrenando para que se comporte como un PRNG caótico, generar el número aleato- rio a ser utilizado por el algoritmo y luego devolverla a su estructura anterior para continuar con su entrenamiento. Este esquema permitiría el ahorro de tiempo de diseño, potencia y área en sustrato al ser implementada en FPGA o VLSI. Elproblemasurgecuandoestesistemaseimplementaenformadigital.Unsistemacaóticoesinheren- tementesensiblealascondicionesiniciales.Laspequeñasincertezasprovocadasporladiscretización digital modifican sus propiedades estadísticas, pudiendo perder su comportamiento caótico. En este trabajo se estudió el comportamiento de una NN caótica en tiempo y aritmética discretos. Para simular el sistema se lo aproximó por Euler de primer orden. Luego se generaron atractores reportados en trabajos anteriores para poder comparar las trayectorias. Para estudiar si el sistema sigue siendo caótico se barrieron los espacios de parámetros calculando el Máximo Exponente de Lyapunov (MLE) para obtener una curva MLE vs. P. Encontramos que este sistema no pierde su estructura al ser discretizado con h ≤ 0,1 y aritmética IEEE754de64bits.Ademásseencontraronzonasdecaosrobusto,estosignificaqueelcaossobrevive a cierta variación de los parámatros del sistema.