Implementace gradientního učícího algoritmu pro sítě hladce pulzních neuronů

Mgr. Bc. Tomáš Janík

Bakalářská práce

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 výsledky z implementace sítě, případně rozebrány vybrané problémy vznikající při implementaci sítě pulzních neuronů.

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.

Klíčová slova

spike, spiking neuron, pulzní neuron, neuronová síť, gradientní učící algoritmus, backpropagation, zpětné šíření chyby, metoda sdružených gradientů

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 25. 5. 2009

Obhajoba závěrečné práce

• Obhajoba proběhla 22. 6. 2009
• Vedoucí: doc. RNDr. Jiří Šíma, DrSc.
• Oponent: Jan Žižka, CSc.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika