Fuzzy tüskés neurális hálózatok

Eredeti címe:

Fuzzy Spiking Neural Networks

Könyv tartalma:

Diplomamunka 2011-ből, mérnöki tudományok - számítástechnika tárgyból, osztályzat: 8. 84, Manav Rachna International University, tárgy: M.

Tech), nyelv: Rachna Manachavna Rachna Manacha, tárgy: Master of Technology (M. Tech), nyelv: M: English, abstract: Ez a disszertáció a számítógépes idegtudományok bevezető ismereteit mutatja be, és nagy hangsúlyt fektet a számítógépes idegtudományok Spiking Neural Networks (SNN) nevű ágára. Az SNN-eket harmadik generációs neurális hálózatoknak is nevezik.

Ez mára a Soft Computing egyik fő területévé vált.

Ebben beszélünk a neuron időbeli jellemzőiről' és tanulmányoztuk a dinamikáját. Bemutattuk az SNN-ek architektúráját fuzzy következtetési képességgel.

A neuronok szelektivitását receptív mezőkkel segítjük elő, amelyek lehetővé teszik, hogy az egyes neuronok bizonyos spike train frekvenciákra reagáljanak, és a fuzzy tagsági függvényekhez hasonlóan viselkedjenek. Az SNN-ek hálózata három rétegből áll, azaz bemeneti, rejtett és kimeneti rétegből. A hálózat topológiája a Radial basis Networkön alapul, amely univerzális közelítőnek tekinthető.

A bemeneti réteg frekvencia formájában kapja a bemenetet, amely lineáris kódolással hozza létre a tüskéket. Van egy másik kódolási módszer, az úgynevezett Poisson-kódolás; ezt a kódolást akkor használják, ha az adatok nagyok. A rejtett réteg Receptív mezőt (RF) használ a bemenet feldolgozására, és így frekvenciaszelektív.

A kimeneti réteg csak a tanulásért felelős. A tanulás a helyi tanuláson alapul.

Az XOR osztályozási problémát a hálózat képességeinek tesztelésére használjuk. Felmerül a súly folyamatos frissítésének problémája. Ezt a súlyproblémát az STDP ablak és a fuzzy érvelés használatával oldjuk meg.

A disszertáció bemutatja, hogyan lehet a tüskés neuronok biológiai modelljeiből fuzzy következtetési képességet nyerni.

A fuzzy tüskés neuronhálózat a receptív mezők konfigurálásával, az excitáló és gátló kapcsolatokkal való antecedens összekapcsolással és inferenciával valósítja meg a fuzzy szabályokat.