Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa

Aleksandra Świetlicka

Uzyskaj dostęp

Zakup książkę

ISBN/ISSN:

978-83-7775-386-6

DOI:

Wydawnictwo:

Wydawnictwo Politechniki Poznańskiej

Rok wydania:

2015

Liczba stron:

147

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

Świetlicka, Aleksandra. Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa. Red. . : Wydawnictwo Politechniki Poznańskiej, 2015, 147 s. ISBN 978-83-7775-386-6

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A1 Świetlicka, A.

T1 Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa

PB Wydawnictwo Politechniki Poznańskiej

YR 2015

SN 978-83-7775-386-6

Bibliografia BibTex:

@Book{ 233703, author = "Świetlicka, Aleksandra", editor = "", title = "Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa", publisher = "Wydawnictwo Politechniki Poznańskiej", year = "2015", address = "", isbn = "978-83-7775-386-6" }

Bibliografia endNote:

TY - BOOK

AU - Świetlicka, Aleksandra

ED -

TI - Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa

PB - Wydawnictwo Politechniki Poznańskiej

CY -

PY - 2015

SN - 978-83-7775-386-6

ER -

Netografia (standard APA):

Świetlicka, Aleksandra. Stochastyczny model biologicznej sieci neuronowej oparty na kinetycznych schematach Markowa [baza danych online] : Wydawnictwo Politechniki Poznańskiej, 2015 [dostęp: 08 05 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/stochastyczny-model-biologicznej-sieci-neuronowej-oparty-na-aleksandra-swietlicka-233703.

sieć, komórka, neuron

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. Pokaza...

Więcej

ISBN/ISSN:

978-83-7775-386-6

DOI:

Wydawnictwo:

Wydawnictwo Politechniki Poznańskiej

Rok wydania:

2015

Liczba stron:

147

XML:ISBN/ISSN:

ONIX MARC21

Streszczenie8
Spis symboli i skrótów stosowanych w pracy10
1. Wstep16
1.1. Przedmiot pracy16
1.2. Motywacja i cel pracy18
1.3. Teza i układ pracy20
2. Wykorzystanie biologicznych sieci neuronowych w rozwiazywaniu problemów automatyki i robotyki24
3. Deterministyczne i stochastyczne modele komórki neuronowej32
3.1. Równowazny obwód elektryczny32
3.2. Potencjał czynnosciowy33
3.3. Podstawowy model Hodgkina-Huxleya34
3.4. Zakłócenia w modelu Hodgkina-Huxleya38
3.5. Kinetyczny model Hodgkina-Huxleya40
3.5.1. Kinetyczny schemat Markowa40
3.5.2. Deterministyczny model kinetyczny41
3.5.3. Stochastyczny model kinetyczny43
3.5.4. Porównanie modeli kinetycznych deterministycznego i stochastycznego44
3.6. Kinetyczny model komórki nerwowej z rozszerzonymi schematami Markowa49
3.7. Stochastyczna wersja modelu o rozszerzonych schematach kinetycznych50
3.8. Przykładowe wyniki implementacji modelu o rozszerzonych schematach kinetycznych50
3.9. Podsumowanie55
4. Metody uczenia komórki neuronowej56
4.1. Metoda gradientu prostego56
4.2. Nauka w modelu Hodgkina-Huxleya57
4.3. Nauka w stochastycznym modelu kinetycznym neuronu63
4.4. Wyniki eksperymentalne64
5. Model biologicznej sieci neuronowej72
5.1. Struktura rozpatrywanej sieci neuronowej73
5.2. Dyskretyzacja i sposób rozwiazania układu75
5.3. Wartosci parametrów oraz wartosci inicjujace78
5.4. Siec neuronowa zbudowana z jednej gałezi – wyniki eksperymentalne79
5.4.1. Macierz systemowa79
5.5. Siec neuronowa zbudowana z pieciu gałezi – wyniki eksperymentalne80
5.4.2. Wyniki symulacji80
5.5.1. Macierz systemowa82
5.5.2. Wyniki symulacji83
5.6. Siec neuronowa zbudowana z siedmiu gałezi – wyniki eksperymentalne84
5.6.1. Macierz systemowa85
5.7. Deterministyczny model kinetyczny sieci neuronowej87
5.6.2. Wyniki symulacji87
5.8. Wyprowadzenie stochastycznej wersji modelu sieci neuronowej89
5.9. Dyskretyzacja i sposób rozwiazania układu89
5.9.1. Rozwiazanie równan wynikajacych ze schematów kinetycznych Markowa92
5.9.2. Funkcje oraz ich pochodne wzgledem potencjału97
5.10. Siec neuronowa zbudowana z jednej gałezi – wyniki eksperymentalne98
5.11. Siec neuronowa zbudowana z pieciu gałezi – wyniki eksperymentalne99
5.12. Siec neuronowa zbudowana z siedmiu gałezi – wyniki eksperymentalne100
5.13. Porównanie modelu klasycznego sieci neuronowej z modelami kinetycznymi102
6. Metody uczenia biologicznych stochastycznych sieci neuronowych104
6.1. Metoda mnozników Lagrange’a104
6.2. Sformułowanie problemu105
6.3. Rozwiazanie postawionego problemu108
6.4. Przykładowe wyniki110
7. Przykłady zastosowania modeli biologicznych komórek neuronowych w automatyce i robotyce116
7.1. Przygotowanie opisu biologicznych sieci neuronowych do implementacji z wykorzystaniem kart graficznych116
7.2. Aproksymacja funkcji prostokatnej118
7.3. Wykorzystanie komórek nerwowych w algorytmie wyznaczania katów Eulera przez system AHRS119
8. Podsumowanie136
Literatura140