La dinámica de las Redes Neuronales Recurrentes entrenadas para tareas temporales y su espectro de autovalores

C. JARNE

La Plata

Congreso; El XIX Congreso Regional de Física Estadística y Aplicaciones a la Materia Condensada (TREFEMAC 2022); 2022

IFLySiB, INIFTA, y otros

Diferentes áreas del cerebro, como la corteza cerebral y, más concretamente, la corteza prefrontal, muestran una gran recurrencia en sus conexiones, incluso en áreas sensoriales tempranas. Se han propuesto varios enfoques para modelar dichas áreas y métodos basados en redes entrenadas con el objeto de describir estos sistemas. En particular comprender la dinámica detrás de los modelos es fundamental porque se utilizan para construir diferentes hipótesis sobre el funcionamiento del cerebro y para explicar los resultados experimentales. El presente trabajo se centra en el estudio de la dinámica de redes neuronales recurrentes entrenadas para realizar tareas de tipo booleano con estímulos temporales que emulan ser señales sensoriales. El aporte aquí es la descripción de la dinámica a través de la clasificación e interpretación realizada con un conjunto de simulaciones numéricas correspondientes a redes entrenadas para procesar estímulos temporales con tareas AND, OR, XOR y Flip Flop. Los patrones en la distribución de los valores propios de la matriz de pesos recurrentes fueron estudiados y relacionados adecuadamente con la dinámica.