| Název: | Využití impulzních neuronových sítí |
| Další názvy: | Use of spiking neural networks |
| Autoři: | Honzík, Václav |
| Vedoucí práce/školitel: | Mouček Roman, Doc. Ing. Ph.D. |
| Oponent: | Šnejdar Pavel, Ing. |
| Datum vydání: | 2021 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | bakalářská práce |
| URI: | http://hdl.handle.net/11025/44220 |
| Klíčová slova: | impulzní neuronové sítě;impulzní sítě;neuronová síť;bci;eeg;mnist;fashion mnist;analogová síť;umělá neuronová síť;tensorflow;pytorch;nengo;keras;bnci horizon |
| Klíčová slova v dalším jazyce: | snn;spiking network;neural network;spiking neural network;bci;eeg;mnist;fashion mnist;surrogate gradient;analog network;artificial neural network;ann;tensorflow;pytorch;nengo;keras;analogue network;bnci horizon |
| Abstrakt: | Umělé (analogové) neuronové sítě se staly v posledním desetiletí novou normou pro řešení mnoha úloh z oblasti strojového učení a zpracování přirozeného jazyka. Nicméně i přes jejich úspěch, analogové sítě nejsou schopné přesně zachytit chování biologických neuronových sítí, protože model analogového neuronu závisí na spojitých aktivacích místo diskrétních posloupností akčních potenciálů. Impulzní neuronové sítě, na druhou stranu, představují nový přístup jak modelovat biologické sítě mnohem přesněji a zároveň dosahují výkonu velmi blízko analogovým sítím. Tato bakalářská práce studuje současné znalosti z impulzních sítí a porovnává je s analogovými. Následně práce shrnuje nejmodernější nástroje pro simulaci v impulzním prostředí a část z nich je aplikována na vybraných experimentech pro rozhraní mozek-počítač a obrazových datasetech. |
| Abstrakt v dalším jazyce: | In the last decade, artificial (analog) neural networks have become the new norm of solving many tasks from the fields of machine learning and native language processing. Despite their success, however, analog networks fail to accurately capture the behaviour of biological neural networks as the model of an analog neuron depends on continuous activations rather than discrete sequences of action potentials. Spiking neural networks, on the other hand, present a new approach to model such biological nets much closely while also attaining performance close to artificial networks. This thesis studies current knowledge of spiking networks and compares them to analog ones. Subsequently, state-of-the-art tools for simulation in the spiking setting are overviewed and their subset is applied to selected brain-computer interface experiments and image datasets. |
| Práva: | Plný text práce je přístupný bez omezení. |
| Vyskytuje se v kolekcích: | Bakalářské práce / Bachelor´s works (KIV) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| A19b0674p-use-of-spiking-neural-networks.pdf | Plný text práce | 1,01 MB | Adobe PDF | Zobrazit/otevřít |
| A19B0674P_Hodnoceni.pdf | Posudek vedoucího práce | 418,37 kB | Adobe PDF | Zobrazit/otevřít |
| A19B0674P_Posudek.pdf | Posudek oponenta práce | 32,69 kB | Adobe PDF | Zobrazit/otevřít |
| A19B0674P_Obhajoba.pdf | Průběh obhajoby práce | 52,1 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/44220Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.