Innovating Works

PID2021-125780NB-I00

Financiado
MEDIDA Y REPRESENTACION DE FLUJOS DE INFORMACION EN REDES NEURONALES BIOLOGICAS...
MEDIDA Y REPRESENTACION DE FLUJOS DE INFORMACION EN REDES NEURONALES BIOLOGICAS Y ARTIFICIALES A PESAR DE SU YA MUY SIGNIFICATIVO IMPACTO SOCIAL Y ECONOMICO, LA ACTUAL GENERACION DE INTELIGENCIA ARTIFICIAL (AI) SE CONSIDERA MENOS EFICIENTE, DEMASIADO ESPECIALIZADA, REACTIVA Y CON MEMORIA MAS LIMITADA QUE LA FUTURA SUPER AI... A PESAR DE SU YA MUY SIGNIFICATIVO IMPACTO SOCIAL Y ECONOMICO, LA ACTUAL GENERACION DE INTELIGENCIA ARTIFICIAL (AI) SE CONSIDERA MENOS EFICIENTE, DEMASIADO ESPECIALIZADA, REACTIVA Y CON MEMORIA MAS LIMITADA QUE LA FUTURA SUPER AI GENERAL. ADEMAS, SU CONSUMO DE POTENCIA ES CADA VEZ MAS ALTO. EN LA BUSQUEDA DE UNA MEJOR AI, ES URGENTE REDUCIR SU HUELLA DE CARBONO PERO SIN OBSTACULIZAR SU DESARROLLO.EN EMERGE, PROPONEMOS REPENSAR EL APRENDIZAJE AUTOMATICO DESDE EL PUNTO DE VISTA DE LA TEORIA DE LA INFORMACION BASANDONOS EN ENCONTRAR INSPIRACION EN LA TRANSMISION DE INFORMACION EN LAS REDES NEURONALES BIOLOGICAS. ALGUNAS DE LAS HERRAMIENTAS BASICAS QUE UTILIZAREMOS HAN SIDO PROPUESTAS POR NOSOTROS EN LA ULTIMA DECADA Y SON CAPACES DE REALIZAR UN SEGUIMIENTO DE LA TRANSFERENCIA Y PERDIDA DE INFORMACION A TRAVES DE LAS CAPAS DE LAS REDES NEURONALES.BUSCANDO UNA JUSTIFICACION ALTERNATIVA DE LOS PRINCIPIOS DE LAS REDES NEURONALES PROFUNDAS (DNN) QUE MEJORE SU INTERPRETABILIDAD, EFECTIVIDAD Y EFICIENCIA, VOLVEREMOS A ANALIZAR MODELOS BASICOS BIEN ESTABLECIDOS DE SUS COMPONENTES (RESTRICTED BOLTZMANN MACHINES–RBM–, DEEP BOLTZMANN MACHINES– DBM– Y AUTOENCODERS–AE–) Y QUE PERMITAN ALLANAR EL CAMINO PARA UNA NUEVA GENERACION DE REDES NEURONALES ARTIFICIALES.PRIMERO, COMENZAREMOS REESCRIBIENDO LAS RBMS COMO MAQUINAS PARA PROPAGAR INFORMACION Y APLICAREMOS NUESTRAS HERRAMIENTAS DE ANALISIS DE CONCEPTOS FORMALES INFORMACIONALES PARA INTERPRETAR SUS RESULTADOS. A CONTINUACION, RELAJAREMOS EL MODELO PARA CONSIDERAR MAQUINAS DE BOLTZMANN GENERICAS COMO MODELOS DE REDES NEURONALES BIOLOGICSS MUY SIMPLES, COMO LA DEL CAENORHABDITIS ELEGANS.DESPUES APLICAREMOS LOS RESULTADOS A: 1) LA EVALUACION E INTERPRETACION DE MAQUINAS DE BOLTZMANN, DEEP BOLTZMANN MACHINES Y AUTOENCODERS; 2) LA SINTESIS DE NUEVAS ARQUITECTURAS BASADAS DIRECTAMENTE EN EL TRANSPORTE DE INFORMACION APLICADAS A LA EXPLORACION DE ESCENAS ACUSTICAS; 3) EL ANALISIS DE REDES NEURONALES BIOLOGICAS QUE UTILIZAN EL PARADIGMA ANTERIOR APLICADAS A ENCONTRAR CORRELATOS DE COMPORTAMIENTO EN LAS REDES NEURONALES DEL C.ELEGANS. PRENDIZAJE MAQUINA BASADO EN TEORIA DE \NEUROCIENCIA\PROCESADO DE SEÑAL\CLASIFICACION DE ESCENAS ACUSTICAS\REDES NEURONALES ARTIFICIALES\REDES NEURONALES BIOLOGICAS\ANALISIS DE CONCEPTOS FORMALES\ALGEBRAS DE SEMICUERPOS\FLUJOS DE INFORMACION EN GRAFOS\ESPECTRO DE RENYI ver más
01/01/2021
UC3M
70K€
Perfil tecnológico estimado

Línea de financiación: concedida

El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01
Presupuesto El presupuesto total del proyecto asciende a 70K€
Líder del proyecto
UNIVERSIDAD CARLOS III DE MADRID No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores 1332