Análisis de multiestabilidad de CVNNs con conmutación dependiente del estado, función de activación lineal por tramos...

Área de la Ciencia:

• Neurociencia Computacional
• Teoría de Sistemas Dinámicos
• Inteligencia Artificial

Sus antecedentes:

• Las redes neuronales de valor complejo (CVNN) son cruciales para procesar datos complejos.
• Comprender la multiestabilidad en CVNNs es esencial para aplicaciones avanzadas.
• Las funciones de activación discontinuas no monótonas presentan desafíos analíticos únicos.

Objetivo del estudio:

• Investigar la multiestabilidad de CVNNs con conmutación dependiente del estado y funciones de activación lineales por tramos no monótonas discontinuas.
• Determinar el número máximo de puntos de equilibrio y de equilibrios estables en dichos sistemas.
• Extender la teoría de estabilidad de redes neuronales para dinámicas complejas.

Principales métodos:

• Aprovechamiento del teorema del punto fijo de Brouwer para el análisis de existencia.
• Utilización de las propiedades de las matrices estrictamente diagonalmente dominantes para el análisis de estabilidad.
• Empleo de la descomposición del espacio de estados para analizar los puntos de equilibrio.

Principales resultados:

• Una CVNN conmutada de n neuronas puede exhibir hasta [Fórmula: ver texto] puntos de equilibrio.
• Se demuestra que [Fórmula: ver texto] puntos de equilibrio de entre ellos son estables.
• El estudio proporciona un marco teórico para analizar la multiestabilidad en sistemas neuronales complejos.

Conclusiones:

• Los hallazgos extienden significativamente los resultados existentes en la teoría de estabilidad de redes neuronales.
• La multiestabilidad identificada enriquece la comprensión de la dinámica compleja en CVNNs.
• Los ejemplos numéricos confirman los resultados teóricos y sugieren aplicaciones en memoria asociativa.