Název: Gradientní učení pro sítě hladce pulzních neuronů
Překlad názvu: Gradient learning for networks of smoothly pulse neurons
Autoři: Hošek, Lukáš ; Šíma, Jiří (vedoucí práce) ; Petříčková, Zuzana (oponent)
Typ dokumentu: Diplomové práce
Rok: 2010
Jazyk: cze
Abstrakt: [cze] [eng]
Sítě pulzních (spiking) neuronů představují biologicky více plausibilní alter-nativu k perceptronovým sítím mající velký potenciál pro zpracování časových řad. Nicméně doposud pro ně nebyl znám prakticky použitelný učící algoritmus. SpikeProp založený na gradientní metodě a jeho modifikace mají problém s principiální nespojitostí vzniku a zániku pulsů. Tuto otázku se snaží vyřešit nový netriviální gradientní učící algoritmus pro model hladce pulzních neuronů. Cílem práce je implementace a testování tohoto modelu a případné navržení jeho dalších vylepšení. Networks of spiking neurons present a biologically more plausible alternative to perceptron networks, having great potential for processing time series. However, as of now, no practically usable learning algorithm has been known. SpikeProp, based on a gradient descent method, and its modifications have a fundamental problem with dis-continuity of spike creation and deletion. A new nontrivial gradient learning algorithm for a model of smoothly spiking neurons is proposed as a possible way to solve this problem. The goal of this work is to implement and test this model and eventually propose further improvements.

Instituce: Fakulty UK (VŠKP) (web)
Informace o dostupnosti dokumentu: Dostupné v digitálním repozitáři UK.
Původní záznam: http://hdl.handle.net/20.500.11956/34225

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-298697


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Univerzita Karlova > Fakulty UK (VŠKP)
Vysokoškolské kvalifikační práce > Diplomové práce