Fuzzy Spiking Neural Networks
Praca magisterska z roku 2011 w temacie Inżynieria - Inżynieria Komputerowa, ocena: 8. 84, Manav Rachna International University, kurs: Master of Technology (M.
Tech), język: Angielski, streszczenie: Niniejsza rozprawa doktorska przedstawia wiedzę wprowadzającą do neuronauki obliczeniowej i kładzie główny nacisk na gałąź neuronauki obliczeniowej zwaną Spiking Neural Networks (SNNs). SNN są również nazywane sieciami neuronowymi trzeciej generacji. Stały się one obecnie główną dziedziną Soft Computing.
W tym artykule mówimy o charakterystyce czasowej neuronu i badamy jego dynamikę.
Przedstawiliśmy architekturę SNN z możliwością wnioskowania rozmytego. Selektywność neuronów jest ułatwiona dzięki wykorzystaniu pól receptywnych, które umożliwiają poszczególnym neuronom reagowanie na określone częstotliwości skoków i zachowują się w podobny sposób jak rozmyte funkcje członkowskie.
Sieć SNN składa się z trzech warstw: wejściowej, ukrytej i wyjściowej. Topologia tej sieci opiera się na radialnych sieciach bazowych, które można uznać za uniwersalne aproksymatory. Warstwa wejściowa odbiera dane wejściowe w postaci częstotliwości, która wytwarza skoki poprzez kodowanie liniowe.
Istnieje inna metoda kodowania zwana kodowaniem Poissona; to kodowanie jest używane, gdy dane są duże. Warstwa ukryta wykorzystuje Receptive Field (RF) do przetwarzania danych wejściowych, a zatem jest selektywna pod względem częstotliwości. Warstwa wyjściowa jest odpowiedzialna tylko za uczenie się.
Uczenie opiera się na uczeniu lokalnym. Problem klasyfikacji XOR jest wykorzystywany do testowania możliwości sieci.
Pojawia się problem ciągłej aktualizacji wagi. Problem ten jest rozwiązywany przy użyciu okna STDP i wnioskowania rozmytego. W rozprawie pokazano, w jaki sposób można uzyskać zdolność rozmytego rozumowania z biologicznych modeli neuronów kolczastych.
Rozmyta kolczasta sieć neuronowa implementuje rozmyte reguły poprzez konfigurację pól receptywnych, koniunkcję antecedentną z połączeniami pobudzającymi i hamującymi oraz wnioskowanie.