Fuzzy špicaté neurónové siete

Pôvodný názov:

Fuzzy Spiking Neural Networks

Obsah knihy:

Magisterská práca z roku 2011 z predmetu Inžinierstvo - Počítačové inžinierstvo, známka: 8. 84, Manav Rachna International University, predmet: Tech), jazyk: Master of Technology (M.

Tech): Táto diplomová práca predstavuje úvodné poznatky do počítačovej neurovedy a hlavný dôraz kladie na odvetvie počítačovej neurovedy s názvom Spiking Neural Networks (SNN). SNN sa nazývajú aj neurónové siete tretej generácie. V súčasnosti sa stali významnou oblasťou mäkkých výpočtov.

Hovoríme v ňom o časových charakteristikách' neurónu a študujeme jeho dynamiku.

Predstavili sme architektúru SNN so schopnosťou fuzzy uvažovania. Selektivita neurónov je umožnená pomocou recepčných polí, ktoré umožňujú jednotlivým neurónom reagovať na určité frekvencie spike train a správajú sa podobne ako fuzzy funkcie príslušnosti.

Sieť SNN pozostáva z troch vrstiev, ktorými sú vstupná, skrytá a výstupná vrstva. Topológia tejto siete je založená na sieti s radiálnou bázou, ktorú možno považovať za univerzálny aproximátor. Vstupná vrstva dostáva vstup v podobe frekvencie, ktorá vytvára hroty prostredníctvom lineárneho kódovania.

Existuje aj iná metóda kódovania, ktorá sa nazýva Poissonovo kódovanie; toto kódovanie sa používa v prípadoch, keď je údajov veľa. Skrytá vrstva používa na spracovanie vstupu recepčné pole (RF), a preto je frekvenčne selektívna. Výstupná vrstva je zodpovedná len za učenie.

Učenie je založené na miestnom učení. Na testovanie schopností siete sa používa klasifikačný problém XOR.

Vzniká problém priebežnej aktualizácie váh. Tento problém váhy sa rieši pomocou STDP okna a fuzzy uvažovania. Dizertačná práca ukazuje, ako je možné získať schopnosť fuzzy uvažovania z biologických modelov spikujúcich neurónov.

Fuzzy špicatá neurónová sieť implementuje fuzzy pravidlá pomocou konfigurácie recepčných polí, antecedentného spojenia s excitačnými a inhibičnými spojeniami a inferencie.