سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 2,499

This Paper With 15 Page And PDF and WORD Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICELE01_142

Index date: 11 September 2016

طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس abstract

پژوهش برروی مدل های جایگزین شبکه های عصبی که به واقعیت بیولوژیکی نزدیک تر هستند، منجر به شکل گیری شبکه های عصبی اسپایکینگ( (SNN شده است. شبکه های عصبی اسپایکینگ مدل های متعددی دارند. یکی از معروف ترین مدل های شبکه عصبی اسپایکینگ، مدل ایژیکویچ است. این مدل به علت دقت بیولوژیکی و بهره وری بالا، برای مطالعه و شبیه سازی مقیاس بزرگ قشر مغز مدلی ایده آل و مناسب است. در این مقاله مدل های نورونی اسپایکینگ ایژیکویچ به منظور کاهش تعداد ضرب کننده ها و داشتن حداکثر دقت با استفاده از توابع سینوس و کسینوس تقریب زده شده است. مدل پیشنهادی SICOIZH نام گذاری شده که مخففی از معادله سینوس و کسینوس و مدل ایژیکویچ است. SICOIZH نسبت به تقریب های قبلی از دقت بالاتری برخوردار است. مدل های تقریب یافته می توانند رفتارهای مختلفی را همانند نورون های بیولوژیکی هم برای تک نورون و شبکه ای از سلول های عصبی به خوبی باز تولید نمایند. نتایج حاصل از شبیه سازی نشان می دهد که خروجی ها در حالت فیکس پوینت منطبق بر خروجی های مدل ایژیکویچ هستند.

طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس Keywords:

طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس authors

آرمین کیانفر

دانشجوی کارشناسی ارشد برق- الکترونیک دانشگاه آزاد اسلامی واحد تهران جنوب

امیر امیرآبادی زواره

استادیار دانشگاه آزاد اسلامی واحد تهران جنوب

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Ponulak, Filip. and Andrzej, Kasinski. (2010) "Introduction to spiking neural ...
Paugam- Moisy, Helene. and Bothe, Sander.(2009) "Computing with Spiking Neuron ...
Soleimani, Hamid. and Ahmadi , Arash. (2012) "Biologically Inspired Spiking ...
Izhikevich, E.M. (2004) :Which Model to Use for Cortical Spiking ...
Cassidy, Andrew, et al. (2007). "FPGA based silicon spiking neural ...
Cassidy, Andrew. and Andreas, G. Andreou.(2008) "Dynamical digital silicon neurons." ...
Soleimani, Hamid. and Ahmadi, Arash. (2012) "Biologically Inspired Spiking Neurons: ...
Soleimani, Hamid. and Bavandpour, Mohammad. (2014) _ Digital Imp lementation ...
نمایش کامل مراجع

مقاله فارسی "طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس" توسط آرمین کیانفر، دانشجوی کارشناسی ارشد برق- الکترونیک دانشگاه آزاد اسلامی واحد تهران جنوب؛ امیر امیرآبادی زواره، استادیار دانشگاه آزاد اسلامی واحد تهران جنوب نوشته شده و در سال 1395 پس از تایید کمیته علمی کنفرانس بین المللی مهندسی برق پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله Izhikevich ، شبکه عصبی ، بیولوژیکی، Spiking ، مدل نورونی، نرم افزار MATLAB هستند. این مقاله در تاریخ 21 شهریور 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2499 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که پژوهش برروی مدل های جایگزین شبکه های عصبی که به واقعیت بیولوژیکی نزدیک تر هستند، منجر به شکل گیری شبکه های عصبی اسپایکینگ( (SNN شده است. شبکه های عصبی اسپایکینگ مدل های متعددی دارند. یکی از معروف ترین مدل های شبکه عصبی اسپایکینگ، مدل ایژیکویچ است. این مدل به علت دقت بیولوژیکی و بهره وری بالا، برای مطالعه و شبیه ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس با 15 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.