Title: | Využití impulzních neuronových sítí |
Other Titles: | Use of spiking neural networks |
Authors: | Honzík, Václav |
Advisor: | Mouček Roman, Doc. Ing. Ph.D. |
Referee: | Šnejdar Pavel, Ing. |
Issue Date: | 2021 |
Publisher: | Západočeská univerzita v Plzni |
Document type: | bakalářská práce |
URI: | http://hdl.handle.net/11025/44220 |
Keywords: | impulzní neuronové sítě;impulzní sítě;neuronová síť;bci;eeg;mnist;fashion mnist;analogová síť;umělá neuronová síť;tensorflow;pytorch;nengo;keras;bnci horizon |
Keywords in different language: | 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 |
Abstract: | 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. |
Abstract in different language: | 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. |
Rights: | Plný text práce je přístupný bez omezení. |
Appears in Collections: | Bakalářské práce / Bachelor´s works (KIV) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
A19b0674p-use-of-spiking-neural-networks.pdf | Plný text práce | 1,01 MB | Adobe PDF | View/Open |
A19B0674P_Hodnoceni.pdf | Posudek vedoucího práce | 418,37 kB | Adobe PDF | View/Open |
A19B0674P_Posudek.pdf | Posudek oponenta práce | 32,69 kB | Adobe PDF | View/Open |
A19B0674P_Obhajoba.pdf | Průběh obhajoby práce | 52,1 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/44220
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.