Memorias asociativas en álgebra min y max robustas a ruido mezclado

Abstract

El presente trabajo de tesis muestra un nuevo modelo de memoria heteroasociativa min robusta al ruido mezclado; este modelo se basa en la obtención de un kernel que cumple con las condiciones suficientes para garantizar la recuperación completa de patrones. La creación del kernel se basa en el conocimiento de la distribución real del ruido de adquisición en imágenes binarias y en tonos de gris; como este tipo de ruido, es mezclado y se distribuye por los bordes de la imagen (esto se demuestra en esta tesis), la transformada de distancia permite medir qué tanto el ruido se aleja o se acerca de los bordes; por lo tanto, la transformada de distancia permite construir un kernel. Este trabajo, además, presenta una forma ingeniosa de modelar el ruido de adquisición a través de la transformada rápida de distancia y muestra probabilísticamente cómo un kernel, aunque sea afectado con ruido, es capaz de recuperar completamente los patrones aprendidos, situación que no permite el modelo original propuesto por Ritter, Sussner y Díaz de León.