Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa
[ 1 ] Katedra Inżynierii Komputerowej, Wydział Informatyki, Politechnika Poznańska | [ P ] employee
[ 1 ] Katedra Inżynierii Komputerowej, Wydział Informatyki, Politechnika Poznańska | [ P ] employee
EN Stochastic Model of Biological Neural Network with Use of Markov Kinetic Schemes
polish
- impulsowe sieci neuronowe
- model Hodgkina-Huxleya
- schematy kinetyczne Markowe
- quadrocopter
- spiking neural networks
- Hodgkin-Huxley model
- Markov kinetic schemes
- quadrocopter
PL W rozprawie zaprezentowane zostały nowe modele biologicznej komórki nerwowej i sieci neuronowej, możliwie wiernie odwzorowujące procesy zachodzące w układzie nerwowym. Poza szczegółowym opisem matematycznym modeli pokazane zostały wyniki licznych symulacji potwierdzające ich rzetelność. Istotnym elementem pracy było pokazanie możliwości wykorzystania modeli, które przechodząc proces nauki mają rozwiązywać wybrane zagadnienia, zwłaszcza z dziedziny automatyki i robotyki. Jednym z zastosowań było przeprowadzenie aproksymacji funkcji nieliniowej przez pojedynczy neuron, które jest kłopotliwe z punktu widzenia sztucznych sieci neuronowych, gdzie niezbędne jest wykorzystanie struktury zbudowanej z dwóch warstw ukrytych neuronów. Z dziedziny automatyki i robotyki wybrano zagadnienie wyznaczania kątów Eulera z wykorzystaniem systemu AHRS (ang. Attitude and Heading Reference System) na podstawie odczytów z trzech czujników: akcelerometru, magnetometru i żyroskopu. Model biologicznego neuronu zestawiony tu został z rekurencyjną siecią neuronową Elmana i miał za zadanie wygładzenie wartości otrzymanych przez sieć sztuczną.
EN In the dissertation new models of biological neuron and neural network are presented, which describe the processes of nervous system in more reliable way. Besides detailed mathematical description there are shown results of numerous simulations which confirm efficiency of presented models. An important aspect was to show the possibility of applications of these models, which going through learning procedure were supposed to solve chosen problems, especially in automatics and robotics. One of the ideas was to perform an approximation of nonlinear function, which in terms of artificial neural networks is troublesome, while it is necessary to use a structure built from two hidden layers of neurons. In the dissertation it is shown that a single biological neuron can perform this approximation with arbitrary accuracy. From automatics and robotics area the process of designating Euler angles with use of Attitude and Heading Reference System (AHRS) was chosen, basing on data collected from three sensors: accelerometer, magnetometer and gyroscope. The model of biological neuron was chained with recurrent Elman neural network, and its task was to improve results obtained from the artificial neural network.
124
electrical engineering, electronics, computer engineering
automation and robotics
DrOIN 1545
public
Marek Kurzyński
Wrocław, Polska
30.11.2013
polish
public
Mirosław Galicki
Zielona Góra, Polska
21.11.2013
polish
public
dissertation
Poznań, Polska
20.12.2013
Rada Wydziału Informatyki Politechniki Poznańskiej
doktor nauk technicznych w dyscyplinie: automatyka i robotyka, w specjalności: cybernetyka techniczna