Sei sulla pagina 1di 2

ANALISI DINAMICA DI RETI NEURALI DI TIPO

COOPERATIVO O COMPETITIVO
Mauro Di Marco, Mauro Forti, Massimo Grazzini, Luca Pancioni
Dipartimento di Ingegneria dell'Informazione e Scienze Matematiche
Universit degli Studi di Siena
Via Roma 56 5!"## Siena
$'attivit di ricerca dell'Unit di Siena % stata incentrata recentemente sull&analisi dinamica di
reti neurali di tipo cooperativo o competitivo e sulle applicazioni all&ela'orazione in tempo
reale di segnali(
Reti neurali cooperative: Una rete neurale cellulare )*++, di tipo cooperativo )con
interconnessioni eccitatorie fra neuroni, genera un flusso di soluzioni monotono( -ur
assumendo l&irriduci'ilit della matrice di interconnessione a causa dei tratti orizzontali delle
attivazioni lineari a tratti il flusso non % per. fortemente monotono( Sono state individuate in
particolare *++ con matrici irriduci'ili per cui non vale la dicotomia degli insieme omega/
limite sia nel caso senza ritardo che nel caso di ritardi nelle interconnessioni( Recentemente %
stata intrapresa un&indagine teorica di tipo sistematico sulla possi'ilit di estendere alcune
tecniche di analisi valide per flussi di tipo fortemente monotono in modo che possano essere
applicate a flussi monotoni ma non fortemente monotoni che descrivono la dinamica di
*++( 0lcuni risultati ottenuti in 1""#2 riguardano la dimostrazione di una forma di
dicotomia per gli insiemi omega/limite e la convergenza per la soluzione generica per una
classe di *++ circolari definita da 3template& non/simmetrici e condizioni al contorno
periodiche( In 142 % stata dimostrata un&analoga forma della dicotomia per reti neurali di
5opfield completamente interconnesse e con attivazioni lineari a tratti( 6& stato inoltre
mostrato inoltre che si ha convergenza generica delle soluzioni verso un punto di e7uili'rio
asintoticamente sta'ile )multi/sta'ilit,( I risultati in 142 sono stati recentemente estesi al caso
importante di semiflussi monotoni nello spazio di 8anach delle funzioni continue su un
intervallo definiti da ampie classi di reti neurali con attivazioni lineari a tratti e ritardi nelle
interconnessioni )e7uazioni differenziali con ritardo, 1!2( Una ulteriore estensione ha
riguardato le reti neurali definite da sistemi lineari che evolvono in un ipercu'o chiuso
1"""4"52( 6& stato mostrato che sotto opportune ipotesi il flusso generato % S9- )strongl:
order preserving, e che come conseguenza si ha convergenza generica delle soluzioni verso
punti e7uili'rio asintoticamente sta'ili(
Transitori lunghi in array circolari: +ei lavori 1"6";2 % stato mostrato che in arra: *++ di
tipo circolare e cooperativo % possi'ile osservare per ampi insiemi di parametri e per ampi
insiemi di condizioni iniziali dei transitori oscillatori estremamente lunghi la cui durata
cresce esponenzialmente con la dimensione dell&arra: prima che vi sia convergenza verso un
punto di e7uili'rio( 6& stato mostrato rigorosamente che i transitori sono dovuti alla presenza
di onde rotanti metasta'ili che sono fortemente attrattive lungo il manifold sta'ile e
de'olmente repulsive lungo il manifold insta'ile(
CNN competitive che implementano unzioni non clona!ili "physically unclona!le unctions#:
% noto che i punti di e7uili'rio di *++ simmetriche possono avere disposizioni fortemente
varia'ili a fronte di piccole pertur'azioni dei parametri di interconnessione( +ei lavori 1"!"<2
% stato provato teoricamente e verificato sperimentalmente che % possi'ile utilizzare 7uesta
dipendenza per realizzare primitive di funzioni fisicamente non clona'ili )-U=, ovvero
funzioni digitali la cui uscita dipende dalle imprecisioni connesse al processo implementativo
e 7uindi non riproduci'ili(
Bibliografia
1"2 M( Di Marco M( =orti M( >razzini $( -ancioni ?$imit set dichotom: and convergence
of semiflo@s defined ': cooperative standard *++sA International Bournal of 8ifurcation
and *haos vol( 4# n( "" pp( !5<C/!56! +ovem'er 4#"#(
142 M( Di Marco M( =orti M( >razzini $( -ancioni ?$imit set dichotom: and convergence
of cooperative piece@ise linear neural net@orDsA I666 Eransactions on *ircuits and S:stems
I vol( 5; no( 5 pp( "#54/"#64 Ma: 4#""(
1!2 M( Di Marco M( =orti M( >razzini $( -ancioni ?$imit set dichotom: and multista'ilit:
for a class of cooperative neural net@orDs @ith dela:sA I666 Eransactions on +eural
+et@orDs and $earning S:stems vol( 4! no( C pp( "<;!/"<F5 Sept( 4#"4(
1<2 G( 0llegretto D( -apini M( =orti ?*ommon as:mptotic 'ehavior of solutions and almost
periodicit: for discontinuous dela:ed and impulsive neural net@orDsA I666 Eransactions on
+eural +et@orDs vol( 4" pp( """#/""45 Bul: 4#"#(
152 M( Di Marco M( =orti M( >razzini $( -ancioni ?9n glo'al eHponential sta'ilit: of
standard and full/range *++sA Int( B( *ircuit Eheor: 0pplicat vol( !6 n( 5/6 pp(65!/6F#
Bul:/Septem'er 4##F(
162 M( Di Marco M( =orti M( >razzini $( -ancioni ?$oIasie@icz ine7ualit: and eHponential
convergence of the =ull/Range model of *++sA International Bournal of *ircuit Eheor: and
0pplications vol( <# n( < <#C/<"C 0pril 4#"4(
1;2 M( Di Marco M( =orti M( >razzini -( +istri and $( -ancioni ?$:apunov Method and
*onvergence of the =ull/Range Model of *++sA I666 Erans( *ircuits S:st( I 4##F vol( 55
n( "" pp( !54F/!5<" Decem'er 4##F(
1F2 M( Di Marco M( =orti M( >razzini $( -ancioni 0( -remoli ?*omparison of
convergence and sta'ilit: properties for the state and output solutions of neural net@orDsA
International Bournal of *ircuit Eheor: and 0pplications vol( !C n( ; ;5"/;;< Bul: 4#""(
1C2 M( Di Marco M( >razzini $( -ancioni ?>lo'al ro'ust sta'ilit: criteria for interval
dela:ed full/range cellular neural net@orDsA I666 Eransactions on +eural +et@orDs Vol(
44 no( < pp( 666/6;" 0pril 4#""(
1"#2 M( Di Marco M( =orti M( >razzini $( -ancioni ?*onvergence of a class of cooperative
standard cellular neural net@orD arra:sA I666 Erans( *ircuits S:st( I vol( 5C n( < pp( ;;4/
;F! 0pril 4#"4(
1""2 M( Di Marco M( =orti M( >razzini -( +istri $( -ancioni ?0 stud: on semiflo@s
generated ': cooperative full/range *++sA International Bournal of *ircuit Eheor: and
0pplications vol( <# no("4 pp( ""C"/"4#F Dec( 4#"4(
1"42 M( Di Marco M( =orti M( >razzini $( -ancioni ?Monotonicit: of semiflo@s generated
': cooperative dela:ed full/range *++sA -roc( of *++0 4#"! Eorino 4C/!" 0ug( 4#"4(
1"!2 E( 0dda''o 0( =ort M( Di Marco $( -ancioni V( Vignoli ?-h:sicall: unclona'le
functions derived from cellular neural net@orDsA I666 Erans( *ircuits S:st( I( 0rticle in
-ress D9IJ "#(""#CKE*SI(4#"!(44556C" 4#"!(
1"<2 E( 0dda''o 0( =ort M( Di Marco $( -ancioni V( Vignoli ?0 "/'it -h:sicall:
Unclona'le =unction 8ased on a E@o/+eurons *++A -roc( of 4#"! I666 International
S:mposium on *ircuits and S:stems 8eiIing *hina "C/4! Ma: 4#"!(
1"52 M( Di Marco M( =orti M( >razzini $( -ancioni ?*onvergent d:namics of
nonreciprocal differential variational ine7ualities modeling neural net@orDsA I666 Erans(
*ircuits S:st( I 4#"! )in corso di stampa,(
1"62 M( =orti 8( >ara: M( Loller $( -ancioni ?$ong transient oscillations in a class of
cooperative cellular neural net@orDsA Int( B( *ircuit Eheor: 0pplicat 4#"!(
1";2 M( =orti 8( >ara: M( Loller $( -ancioni ?0n 6Hperimental Stud: on $ong Eransient
9scillations in *ooperative *++ RingsA -roc( *++0 4#"! Eurin Ital: 4C/!" 0ug( 4#"4(