INNE EBOOKI AUTORA
Koszyk
Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa
Autor:
Wydawca:
Format:
pdf, ibuk
W pracy zaprezentowano nowe modele biologicznej komórki nerwowej i sieci neuronowe, możliwe wiernie odwzorowujące procesy zachodzące w układzie nerwowym. Przedstawiono ich opis oraz wyniki licznych symulacji potwierdzających ich rzetelność. Pokazano możliwości wykorzystania tych modeli w wyniku procesu nauki do rozwiązywania wybranych zagadnień, zwłaszcza z dziedziny automatyki i robotyki. Jednym z zastosowań było przeprowadzenie aproksymacji funkcji liniowej przez pojedynczy neuron (co jest kłopotliwe, jeśli weźmie się pod uwagę specyfikę sztucznych sieci neuronowych, wynikającą z konieczności wykorzystania struktury zbudowanej z dwóch warstw ukrytych neuronów). Z dziedziny automatyki i robotyki wybrano zagadnienie wyznaczania kątów Eulera z wykorzystaniem systemu AHRS na podstawie odczytów z trzech czujników: akcelerometru, magnetometru i żyroskopu. Model biologicznego neuronu zestawiony z rekurencyjną siecią neuronową Elmana miał służyć do wygładzenia wartości otrzymanych przez sieć sztuczną.
| Rok wydania | 2015 |
|---|---|
| Liczba stron | 146 |
| Kategoria | Inne |
| Wydawca | Wydawnictwo Politechniki Poznańskiej |
| ISBN-13 | 978-83-7775-386-6 |
| Numer wydania | 1 |
| Język publikacji | polski |
| Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Spis treści
| Streszczenie | 7 |
| Spis symboli i skrótów stosowanych w pracy | 9 |
| 1. Wstep | 15 |
| 1.1. Przedmiot pracy | 15 |
| 1.2. Motywacja i cel pracy | 17 |
| 1.3. Teza i układ pracy | 19 |
| 2. Wykorzystanie biologicznych sieci neuronowych w rozwiazywaniu problemów automatyki i robotyki | 23 |
| 3. Deterministyczne i stochastyczne modele komórki neuronowej | 31 |
| 3.1. Równowazny obwód elektryczny | 31 |
| 3.2. Potencjał czynnosciowy | 32 |
| 3.3. Podstawowy model Hodgkina-Huxleya | 33 |
| 3.4. Zakłócenia w modelu Hodgkina-Huxleya | 37 |
| 3.5. Kinetyczny model Hodgkina-Huxleya | 39 |
| 3.5.1. Kinetyczny schemat Markowa | 39 |
| 3.5.2. Deterministyczny model kinetyczny | 40 |
| 3.5.3. Stochastyczny model kinetyczny | 42 |
| 3.5.4. Porównanie modeli kinetycznych deterministycznego i stochastycznego | 43 |
| 3.6. Kinetyczny model komórki nerwowej z rozszerzonymi schematami Markowa | 48 |
| 3.7. Stochastyczna wersja modelu o rozszerzonych schematach kinetycznych | 49 |
| 3.8. Przykładowe wyniki implementacji modelu o rozszerzonych schematach kinetycznych | 49 |
| 3.9. Podsumowanie | 54 |
| 4. Metody uczenia komórki neuronowej | 55 |
| 4.1. Metoda gradientu prostego | 55 |
| 4.2. Nauka w modelu Hodgkina-Huxleya | 56 |
| 4.3. Nauka w stochastycznym modelu kinetycznym neuronu | 62 |
| 4.4. Wyniki eksperymentalne | 63 |
| 5. Model biologicznej sieci neuronowej | 71 |
| 5.1. Struktura rozpatrywanej sieci neuronowej | 72 |
| 5.2. Dyskretyzacja i sposób rozwiazania układu | 74 |
| 5.3. Wartosci parametrów oraz wartosci inicjujace | 77 |
| 5.4. Siec neuronowa zbudowana z jednej gałezi – wyniki eksperymentalne | 78 |
| 5.4.1. Macierz systemowa | 78 |
| 5.4.2. Wyniki symulacji | 79 |
| 5.5. Siec neuronowa zbudowana z pieciu gałezi – wyniki eksperymentalne | 79 |
| 5.5.1. Macierz systemowa | 81 |
| 5.5.2. Wyniki symulacji | 82 |
| 5.6. Siec neuronowa zbudowana z siedmiu gałezi – wyniki eksperymentalne | 83 |
| 5.6.1. Macierz systemowa | 84 |
| 5.6.2. Wyniki symulacji | 86 |
| 5.7. Deterministyczny model kinetyczny sieci neuronowej | 86 |
| 5.8. Wyprowadzenie stochastycznej wersji modelu sieci neuronowej | 88 |
| 5.9. Dyskretyzacja i sposób rozwiazania układu | 88 |
| 5.9.1. Rozwiazanie równan wynikajacych ze schematów kinetycznych Markowa | 91 |
| 5.9.2. Funkcje oraz ich pochodne wzgledem potencjału | 96 |
| 5.10. Siec neuronowa zbudowana z jednej gałezi – wyniki eksperymentalne | 97 |
| 5.11. Siec neuronowa zbudowana z pieciu gałezi – wyniki eksperymentalne | 98 |
| 5.12. Siec neuronowa zbudowana z siedmiu gałezi – wyniki eksperymentalne | 99 |
| 5.13. Porównanie modelu klasycznego sieci neuronowej z modelami kinetycznymi | 101 |
| 6. Metody uczenia biologicznych stochastycznych sieci neuronowych | 103 |
| 6.1. Metoda mnozników Lagrange’a | 103 |
| 6.2. Sformułowanie problemu | 104 |
| 6.3. Rozwiazanie postawionego problemu | 107 |
| 6.4. Przykładowe wyniki | 109 |
| 7. Przykłady zastosowania modeli biologicznych komórek neuronowych w automatyce i robotyce | 115 |
| 7.1. Przygotowanie opisu biologicznych sieci neuronowych do implementacji z wykorzystaniem kart graficznych | 115 |
| 7.2. Aproksymacja funkcji prostokatnej | 117 |
| 7.3. Wykorzystanie komórek nerwowych w algorytmie wyznaczania katów Eulera przez system AHRS | 118 |
| 8. Podsumowanie | 135 |
| Literatura | 139 |
KUP NA PREZENT
Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa
6,00 zł
Uzupełnij informacje na temat odbiorcy.
Produkt został pomyślnie dodany do koszyka.
Nieudana próba zakupu produktu. Spróbuj jeszcze raz.
Wypożyczaj w abonamencie!
Już od 2,66 zł za ebooka
