Využití impulzních neuronových sítí

Honzík, Václav

Využití impulzních neuronových sítí

dc.contributor.advisor	Mouček Roman, Doc. Ing. Ph.D.
dc.contributor.author	Honzík, Václav
dc.contributor.referee	Šnejdar Pavel, Ing.
dc.date.accepted	2021-6-15
dc.date.accessioned	2021-06-25T12:33:19Z
dc.date.available	2020-10-5
dc.date.available	2021-06-25T12:33:19Z
dc.date.issued	2021
dc.date.submitted	2021-5-6
dc.description.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.	cs
dc.description.abstract-translated	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.	en
dc.description.result	Obhájeno	cs
dc.format	66 s. (84 798 znaků)	cs
dc.format.mimetype	application/pdf
dc.identifier	86447
dc.identifier.uri	http://hdl.handle.net/11025/44220
dc.language.iso	en	en
dc.publisher	Západočeská univerzita v Plzni	cs
dc.rights	Plný text práce je přístupný bez omezení.	cs
dc.rights.access	openAccess	en
dc.subject	impulzní neuronové sítě	cs
dc.subject	impulzní sítě	cs
dc.subject	neuronová síť	cs
dc.subject	bci	cs
dc.subject	eeg	cs
dc.subject	mnist	cs
dc.subject	fashion mnist	cs
dc.subject	analogová síť	cs
dc.subject	umělá neuronová síť	cs
dc.subject	tensorflow	cs
dc.subject	pytorch	cs
dc.subject	nengo	cs
dc.subject	keras	cs
dc.subject	bnci horizon	cs
dc.subject.translated	snn	en
dc.subject.translated	spiking network	en
dc.subject.translated	neural network	en
dc.subject.translated	spiking neural network	en
dc.subject.translated	bci	en
dc.subject.translated	eeg	en
dc.subject.translated	mnist	en
dc.subject.translated	fashion mnist	en
dc.subject.translated	surrogate gradient	en
dc.subject.translated	analog network	en
dc.subject.translated	artificial neural network	en
dc.subject.translated	ann	en
dc.subject.translated	tensorflow	en
dc.subject.translated	pytorch	en
dc.subject.translated	nengo	en
dc.subject.translated	keras	en
dc.subject.translated	analogue network	en
dc.subject.translated	bnci horizon	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-level	Bakalářský	cs
dc.thesis.degree-name	Bc.	cs
dc.thesis.degree-program	Inženýrská informatika	cs
dc.title	Využití impulzních neuronových sítí	cs
dc.title.alternative	Use of spiking neural networks	en
dc.type	bakalářská práce	cs
local.relation.IS	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=86447