Závěrečná práce: Tomáš Janík: Implementace gradientního učícího algoritmu pro sítě hladce pulzních neuronů
Bakalářská práce
Implementace gradientního učícího algoritmu pro sítě hladce pulzních neuronů
Implementation of Gradient Learning Algorithm for Networks of Smoothly Pulse Neurons
Anotace
První část práce je teoretická a shrnuje pojmy z oblasti neuronových sítí a pulzních neuronů, obecně vymezuje spiking neuron vůči klasickému perceptronu, jehož znalost se předpokládá. Pojmy jsou důležité pro zařazení konkrétní sítě a učícího algoritmu v teorii neuronových sítí. V druhé části práce je detailně popsán model implementované sítě i s učícím algoritmem. Ve zbytku práce jsou shrnuty a interpretovány …více
Abstract
The first part of the work is theoretical, it resumes some important notions from the theory of neural networks and spiking neurons. There are the differences between spiking neuron and classic perceptron explained. The particular model of the network of spiking neurons and its learning algorithm are described in the second part of the work. The rest of the work contains conclusions and explicated results and some main problems with the implementation of spiking neural networks are analyzed.
Zadání práce
27. 5. 2009 08:30, doc. RNDr. Jiří Šíma, DrSc.
Vedoucí
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Užití neuronové sítě při modelování spektrálních profilů
Bc. Pavel Nádaský, učo 269074 -
Numerické metody nepodmíněné optimalizace
Mgr. Martin Habrovec -
Chování subjektů v ekonomické transformaci
Bc. Radka Fojtová -
Handheld Object Tracking at Self-Checkout
Mgr. Kristýna Janků -
Julia a metody numerické optimalizace
Mgr. Tomáš Halmazňa -
Vplyv laterality na morfológiu ruky u volejbalistov
Mgr. Dušan Hupka, učo 176405 -
Využití pomůcek při nácviku herních činností ve volejbalu
Mgr. et Mgr. Erik Nezhoda, učo 218902 -
Redukce šumu astronomických snímků za pomocí neuronových sítí
Mgr. Antónia Vojteková




