Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorMouček Roman, Ing. Ph.D.
dc.contributor.authorKalivoda, Roman
dc.contributor.refereeVařeka Lukáš, Ing. Ph.D.
dc.date.accepted2020-6-16
dc.date.accessioned2020-11-10T00:38:58Z-
dc.date.available2019-10-7
dc.date.available2020-11-10T00:38:58Z-
dc.date.issued2020
dc.date.submitted2020-5-7
dc.identifier82905
dc.identifier.urihttp://hdl.handle.net/11025/41790
dc.description.abstractImpulsní neuronové sítě jsou variantou umělých neuronových sítí, které jsou navrženy, aby simulovaly přirozenou rozptýlenost a asynchronii pozorovanou u biologických neuronových sítí. Pokrok v nedávné době umožnil vytváření vícevrstvých impulsních sítí. S tím se objevila i snaha dosáhnout podobných úspěchů jako s klasickými vícevrstvými sítěmi. Objevily se také snahy o opětovné využití již existujících a populárních architektur klasických neuronových sítí. Ty mohou být například použity během procesu učení a nahrazeny impulsními sítěmi až v provozu. Tato práce analyzuje hlavní metody využité při vytváření impulsních sítí a porovnává nástroje pro jejich simulaci. Také bylo ukázáno použití impulsní neuronové sítě na detekci kognitivních evokovaných potenciálů v EEG datech.cs
dc.format47 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectneuronové sítěcs
dc.subjectimpulsní neuronové sítěcs
dc.titleRozšíření architektury neuronové sítěcs
dc.title.alternativeExtension of neural network architectureen
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedSpiking neural networks (SNNs) are artificial neural networks designed to mimic sparse and asynchronous nature of information processing observed in biology. In recent years, deep spiking networks emerged with efforts to draw on experiences with classic deep networks. There also appeared attempts to reuse the available state-of-the-art analogue neural networks (ANNs) completely, and replace the neurons for inference. This thesis contributes with analysis of the dominant methods used in the development of SNNs, and comparison of the major SNN simulation platforms. An application of the SNNs was demonstrated on detection of event-related potentials in EEG data.en
dc.subject.translatedneural networksen
dc.subject.translatedspiking neural networksen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
A16B0049P__Extension_of_neural_network_architecture.pdfPlný text práce2,46 MBAdobe PDFZobrazit/otevřít
A16B0049P__Hodnoceni.pdfPosudek vedoucího práce414,67 kBAdobe PDFZobrazit/otevřít
A16B0049P__Posudek.pdfPosudek oponenta práce190,35 kBAdobe PDFZobrazit/otevřít
A16B0049P__Obhajoba.pdfPrůběh obhajoby práce92,44 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/41790

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Bakalářské práce / Bachelor´s works (KIV)