Redes neuronales recurrentes y dinámicas

C. JARNE

Buenos Aires

Otro; Vigésima segúnda escuela J.J. Giambiagi: "Inteligencia Artificial y Aprendizaje Profundo en Fisica"; 2020

Universidad Nacional de Buenos Aires

Distintas áreas del cerebro tales como el cortex y el cortex prefrontal presentan una gran recurrencia en sus conexiones, aun en las áreas sensoriales tempranas. Se han propuesto distintos enfoques, y métodos relacionados con redes entrenadas para poder modelar y describir dichos sistemas utilizando redes neuronales recurrentes. Es fundamental entender la dinámica detrás de los modelos porque los mismo se utilizan para construir distintas hipótesis sobre el funcionamiento de las áreas del cerebro y para explicar los resultados experimentales observados. Por otro lado algunos modelos para describir procesos, tales como ORGANICs han sido inspirados en los avances que hubo durante los últimos años en el campo de Machine learning, donde configuraciones tales como LSTM y GRU son ampliamente utilizadas para procesar secuencias temporales, ya que no presentan las mismas limitaciones que las RNN para procesar long time dependencies. Partiendo de esta motivación, introduciremos los conceptos básicos relacionados con Redes Neuronales Recurrentes y las distintas topologías, mostraremos como pueden entrenarse, y presentaremos algunas tareas cognitivas y ejemplos aplicados.