El objetivo de esta tesis es el analizar los modelos basicos neuronales y las aplicaciones que han aparecido en la literatura, y de dicho analisis extraer las caracteristicas esenciales para su implementacion. Posteriormente, tomando como base dichas caracteristicas, desarrollar un sistema de simulacion neuronal sobre una arquitectura multiprocesador. La tesis se compone de las siguientes partes: en primer lugar se definen los elementos basicos que componen un sistema neuronal y se clasifican atendiendo a su evolucion dinamica. En segundo lugar se describen los modelos mas relevantes que existen en la actualidad: los modelos de grossberg, kohonen, fukushima, hopfield, la maquina de boltzman y los perceptrones. En tercer lugar se simulan las redes anteriores para estudiar su comportamiento. Con objeto de enriquecer el contenido de la tesis se han estudiado aplicaciones originales, como son la particion de grafos o el control de plantas industriales entre otras. En cada caso se han sugerido modificaciones en las redes originales para mejorar los resultados. En cuarto lugar se consideran las distintas alternativas que existen para la implementacion: ordenadores convencionales (secuenciales), optica y v.L.S.I., sistemas multiprocesador. Por ultimo se propone, estudia y aplica una arquitectura de multiprocesadores para demostrar su eficacia en un caso particular como es el reconocimiento de patrones, proponiendo un nuevo modelo neuronal, una red para obtener invariancia ante traslaciones y una red reconocedora de patrones. Se finaliza la tesis exponiendo las conclusiones mas importantes obtenidas y proponiendo lineas de actuacion en la investigacion dentro del campo de las redes neuronales.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados