Asymptotic description of stochastic neural networks. I. Existence of a large deviation principle

Olivier Faugeras 1 James Maclaurin 1
1 NEUROMATHCOMP - Mathematical and Computational Neuroscience
CRISAM - Inria Sophia Antipolis - Méditerranée , JAD - Laboratoire Jean Alexandre Dieudonné : UMR6621
Résumé : Nous considérons un réseau de neurones décrit par un système d’équations différentielles stochastiques en temps discret. Les neurones interagissent au travers de poids synaptiques qui sont des variables aléatoires gaussiennes corrélées. Nous caractérisons la loi asymptotique de ce réseau lorsque le nombre de neurones tend vers l’infini. Tous les travaux précédents faisaient l’hypothèse, irréaliste du point de vue de la biologie, de poids indépendants. Nous introduisons la mesure empirique sur l’espace des trajectoires solutions des équations du réseau de neurones de taille finie et la loi moyennée (par rapport aux poids synaptiques) des trajectoires de ces solutions. Le résultat (théorème 3.1 ci-dessous) est que l’image de cette loi par la mesure empirique satisfait un principe de grandes déviations avec une bonne fonction de taux, dont nous donnons une expression analytique en fonction de la représentation spectrale de certains processus gaussiens.
Type de document :
Article dans une revue
Comptes rendus de l'Académie des sciences. Série I, Mathématique, Elsevier, 2014, 352, pp.841 - 846. 〈10.1016/j.crma.2014.08.018〉
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01074827
Contributeur : Olivier Faugeras <>
Soumis le : mercredi 15 octobre 2014 - 15:38:57
Dernière modification le : jeudi 3 mai 2018 - 13:32:58
Document(s) archivé(s) le : vendredi 16 janvier 2015 - 10:35:12

Fichier

paper1.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Olivier Faugeras, James Maclaurin. Asymptotic description of stochastic neural networks. I. Existence of a large deviation principle. Comptes rendus de l'Académie des sciences. Série I, Mathématique, Elsevier, 2014, 352, pp.841 - 846. 〈10.1016/j.crma.2014.08.018〉. 〈hal-01074827〉

Partager

Métriques

Consultations de la notice

284

Téléchargements de fichiers

83