Klasické a impulzní neuronové sítě

Jakub MATĚJKA

Bakalářská práce

Traditional and spiking neural networks

Abstract:

Spiking Neural Networks (SNN) are a promising successor to the widely used Artificial Neural Networks (ANN). SNNs aim to be as bio-plausible as possible. However, such behavior is time and energy consuming on the Von-Neumann architecture. Therefore, an entirely new architecture called neuromorphic is being developed and tools to simulate it on standard processors as well. This thesis focuses on comparing the performance of both types of networks in classifying event-related potentials dataset. Two models from each type of network are used and the data are preprocessed in two different ways. The state-of-the-art activation functions, spiking neurons and libraries for simulation are presented. The achieved classification results and the neural models are discussed.

Abstract:

Impulzní neuronové sítě jsou slibným nástupcem široce používaných tradičních neuronových sítí. Impulzní sítě se drží biologické předloze co nejvěrohodněji. Avšak, takové chování je časově i energeticky náročné na Von-Neumannově architektuře. Proto je vyvíjena zcela nová architektura zvaná neuromorfní a také nástroje pro její simulování na standardních procesorech. Tato práce se soustředí na porovnání výkonu obou typů sítí při klasifikování elektroencefalografických dat. Jsou použity dva modely od každého typu sítí a data jsou předzpracovány dvěma odlišnými způsoby. Jsou prezentovány nejlepší dostupné aktivační funkce, impulzní neurony a knihovny pro simulaci. Dosažené výsledky klasifikací a neuronové modely jsou rozebrány.

Keywords

tradiční neuronové sítě, impulzní neuronové sítě, neuromorfní hardware, ERP klasifikace

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 24. 6. 2021

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Doc. Ing. Roman Mouček, Ph.D.

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Bakalářský studijní program / obor:
Inženýrská informatika / Informatika