2024-03-29T12:23:43Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/91512023-10-02T15:47:50Zcom_10803_339col_10803_342
00925njm 22002777a 4500
dc
Pazienza, Giovanni Egidio
author
2008-12-15
Els paradigmes cel·lulars, com les xarxes neuronals cel·lulars (CNN, en anglès) i els autòmats cel·lulars (CA, en anglès), són una eina excel·lent de càlcul, al ser equivalents a una màquina universal de Turing. La introducció de la màquina universal CNN (CNN-UM, en anglès) ha permès desenvolupar hardware, el nucli computacional del qual funciona segons la filosofia cel·lular; aquest hardware ha trobat aplicació en diversos camps al llarg de la darrera dècada. Malgrat això, encara hi ha moltes preguntes a obertes sobre com definir els algoritmes d'una CNN-UM i com estudiar la dinàmica dels autòmats cel·lulars. En aquesta tesis es tracten els dos problemes: primer, es demostra que es possible acotar l'espai dels algoritmes per a la CNN-UM i explorar-lo gràcies a les tècniques genètiques; i segon, s'expliquen els fonaments de l'estudi dels CA per mitjà de la dinàmica no lineal (segons la definició de Chua) i s'il·lustra com aquesta tècnica ha permès trobar resultats innovadors.
Los paradigmas celulares, como las redes neuronales celulares (CNN, en<br/>inglés) y los autómatas celulares (CA, en inglés), son una excelente<br/>herramienta de cálculo, al ser equivalentes a una maquina universal de<br/>Turing. La introducción de la maquina universal CNN (CNN-UM, en<br/>inglés) ha permitido desarrollar hardware cuyo núcleo computacional<br/>funciona según la filosofía celular; dicho hardware ha encontrado<br/>aplicación en varios campos a lo largo de la ultima década. Sin<br/>embargo, hay aun muchas preguntas abiertas sobre como definir los<br/>algoritmos de una CNN-UM y como estudiar la dinámica de los autómatas<br/>celular. En esta tesis se tratan ambos problemas: primero se demuestra<br/>que es posible acotar el espacio de los algoritmos para la CNN-UM y<br/>explorarlo gracias a técnicas genéticas; segundo, se explican los<br/>fundamentos del estudio de los CA por medio de la dinámica no lineal<br/>(según la definición de Chua) y se ilustra como esta técnica ha<br/>permitido encontrar resultados novedosos.
Cellular paradigms, like Cellular Neural Networks (CNNs) and Cellular Automata (CA) are an excellent tool to perform computation, since they are equivalent to a Universal Turing machine. The introduction of the Cellular Neural Network - Universal Machine (CNN-UM) allowed us to develop hardware whose computational core works according to the principles of cellular paradigms; such a hardware has found application in a number of fields throughout the last decade. Nevertheless, there are still many open questions about how to define algorithms for a CNN-UM, and how to study the dynamics of Cellular Automata. In this dissertation both problems are tackled: first, we prove that it is possible to bound the space of all algorithms of CNN-UM and explore it through genetic techniques; second, we explain the fundamentals of the nonlinear perspective of CA (according to Chua's definition), and we illustrate how this technique has allowed us to find novel results.
http://www.tdx.cat/TDX-1229108-162133
http://hdl.handle.net/10803/9151
B.56029-2008
turing machines
cellular automata
cellular paradigms
genetic programming
cellular neural networks
autómatas celulares
programación genética
redes neuronales celulares
autòmats cel·lulars
programació genètica
xarxes neuronals cel·lulars
Aspects of algorithms and dynamics of cellular paradigms