|
|
Decoding visual stimuli from cortical activity
Vašek, Vojtěch ; Antolík, Ján (vedoucí práce) ; Šikudová, Elena (oponent)
Cílem této práce je vyvinout model pomocí metod strojového učení, který dokáže dekódovat obrazové stimuly z kortikální aktivity v primární zrakové kůře (V1) a umožní tak lépe pochopit vztah mezi aktivitou V1 a zrakovým vnímá- ním. Vzhledem k omezené dostupnosti biologických dat je nutné použít k vy- tvoření trénovacích dat model "spiking"neuronové sítě oblasti V1. Pro genero- vání kvalitních obrazových stimulů budou zkoumány techniky strojového učení, zejména neuronové sítě. K trénování dekódovacích modelů budou použity stan- dardní ztrátové funkce a také diskriminační ztrátová funkce známá z trénování sítí typu GAN. Lineární regresní modely budou použity jako referenční. Mezi otázky, které budou řešeny patří hledání vhodného modelu pro dekódování, vliv počtu zaznamenávaných neuronů nebo prezentovaných podnětů, ztráta infor- mace v oblasti vysokých frekvencí obrazu a vliv vnitřního šumu v neuronech na rekonstrukci vizuálních podnětů. Tato práce přináší trénovatelnou konvoluční síť, která překonává jiné jednodušší modely, jako je lineární regrese. Ukazuje, že ztrátovou funkcí, která poskytuje nejlepší výsledky, je MSSSIM. Vnitřní šum v neuronech však rekonstrukci omezuje a rekonstruují se především nízké frek- vence obrazu. Pro dekódování je důležitá velikost souboru trénovacích dat a počet zaznamenaných...
|
|
|
Coding of pheromone signal by olfactory receptor neurons in Agrotis ipsilon
Kováčová, Kristýna ; Košťál, Lubomír (vedoucí práce) ; Pokora, Ondřej (oponent)
Hlavním cílem této diplomové práce je popsat, zdali a jak se liší aktivita olfaktorních recepčních neuronů u samců A. ipsilon při stimulaci samičím pohlavním feromonem s různou časovou dynamikou koncentrace, tedy buďto umělým konstantním pulsem nebo přerušovaným signálem podobným přirozené stimulaci. Za tímto účelem byla ve spolupracující laboratoři (Dr. P. Lucas, INRAe, Versailles, France) získána experimentální data za použití nového olfaktometrického systému umožňujícího přesnou kontrolu nad časováním dodávek feromonu k sensillu. Byla provedena analýza odpovědi pomocí řady různých kvantifikátorů spolehlivosti, náhodnosti a variability v programovacím jazyce R. Výsledky byly interpretovány v kontextu klasické hypotézy efektivního kódování, která říká, že senzorické neurony jsou evolučně adaptovány na přirozenou stimulaci. Hlavní zjištění je, že ačkoli variabilita odpovědi celé populace ORN na fluktuující nebo konstantní stimulaci se ne vždy liší, na úrovni individuálních neuronů je odpověď na fluktuující stimulaci zpravidla méně variabilní, a tedy spolehlivější, než na stimulaci konstantní. Diplomová práce rovněž shrnuje důležitá fakta a hypotézy týkající se neuronálního kódování a olfakce u Lepidoptera.
|
|
|
Special Issue on the 18th International Conference on Artificial Neural Networks
Húsek, Dušan ; Neruda, Roman ; Koutník, J.
Special Issue on the 18th International Conference on Artificial Neural Networks. Neural Network World. Vol. 19, No. 5 (2009). The issue contains papers prepared specially for this issue by authors of some best evaluated papers presented on ICANGA 2008 conference. Covered are mainly following topics: Mathematical Theory of Neurocomputing, Computational Neuroscience, Connectionist Cognitive Science, Neuroinformatics, Image Processing, Signal and Time Series Processing, Reinforcement Learning, Binary Factor Analysis, Principal Component Analysis, Self-organization, Neural Network Hardware.
|
host ::
RSS.