محلی سازی فعالیت نورونی دوبعدی برای مدل باز ترکیب ویژگی های فازی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,043

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_071

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

نحوه تعاملات نورونی در حافظه در دو دیدگاه ماکروسکوپیک قابل بررسی است. در نگرش ماکروسکوپیک به این تعاملات، ویژگی های مختلف در نواحی متفاوتی به صورت مستقل از هم ذخیره شده و در زمان یاداوری با یکدیگر ترکبی می شوند. باز ترکیب ویژگی های ساخت یافته برای فهم یک موجودیت مرکب تاآستانه زمانی معینی باید تکرار شود. تشکیل حلقه بسته بازترکیب ویژگی ها، با واسطه یک لایه میانی از حافظه کاری صورت می پذیرد و لایه های ویژگی به صورت مستقیم با هم در ارتباط نیستند. دیدگاه میکروسکوپیک به مکانیزم کد کردن اطلاعات می پردازد. نحوه کدینگ ویژگی ها، در انتخاب نورون ها تاثیرگذار خواهد بود. در یک مدل برای فعالیت نورون ها، باید نحوه همگام سازی نورون های تزویج شده با هم نیز پرداخته شود. محلی سازی فعالیت نورونی، مکانیزمی است که برای کدکردن ویژگی ها از آن استفاده شده است. این روش از نورون های جمع کننده تک پایا استفاده می کند. ما با افزایش بعد دز توپولوژی لایه ها از یک بعدی به دوبعدی و با بهره گیری از لاتیس از لاتیس هگزاگونال توانسته ایم نقص مدل در کارهای گذشته را برطرف سازیم. همچنین با دسته بندی ویژگی فرض فازی بودن تعلق تحریکات ورودی به خوشه های ویژگی قابل توصیف است

کلیدواژه ها:

باز ترکیب ویژگی های ساخت یافته ، نورون های جمع کننده ، محلی سازی فعالیت های نورونی ، خوشه های فازی

نویسندگان

هادی کریمی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر و مکاترونیک

کامبیز بدیع

پژوهشگاه فضای مجازی

میرمحسن پدرام

دانشگاه خوارزمی، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • . Rosenblatt, F., "Principles _ N eurodynamics : Perceptrons and ...
  • . Damasio, A.R., "The brain binds entities and events by ...
  • . Kawato, M., _ Computational theory of the brain?, Sangyo-tosho, ...
  • . Damasio, A.R., "The brain binds entities and events by ...
  • . Horn, D., Sagi, D., Usher, M., "Segmentation, Neural ...
  • binding and illusory conjunctions", Computation, vol. 3, pp. 510-525, 1991. ...
  • . Schillen, T.B., Konig, P.. "Binding by temporal structure in ...
  • Cybernetics 70, pp. 397-405, 1994. ...
  • . Eckhorn, R., Bauer, R., Jordan, W., Brosch, M., Kruse, ...
  • . Engel, A.K., Konig, P., Kreiter, A.K., Singer, W., _ ...
  • . Gray, C.M., Konig, P., Engel, A.K. Singer, W., "Oscillatory ...
  • . Engel, A.K., Konig, P., Kreiter, A.K., Schillen, T.R., Singer, ...
  • system Trends Neurosci., vol. 15, pp. 218-226, 1992. ...
  • . Singer, W., :Time as coding space in _ neocortical ...
  • . Schillen, T.B., Konig, P., "Binding by temporal structure in ...
  • Cybernetics 70, pp. 397-405, 1994. ...
  • _ Sougne, .. _ and the problem of _ muliple ...
  • . Singer, W., :Time as coding space in neocortical processing: ...
  • feature Visualء، [15]. Singer, W., Gray, C.M., integration and the ...
  • . Gunay, C., Maida, A.S., "Using temporal binding for hierarchical ...
  • . Lisman, J.E., Idiart, M.A.P., "Short-term memories in oscillatory subcycles", ...
  • . Shastri, L., Ajanagadde, V., _ simple associations to systematic ...
  • . Weng, S..Wersing, H., Steil, J.J., "Learning Lateral Interactions for ...
  • . Gerstner, W., Kistler, W., "Spiking neuron models: Single neurons, ...
  • . Bohte S.M., Kok J.N., Poutr, J.A., "Modeling efficient conjunction ...
  • . Bohte S.M., Kok J.N., Poutre, H., "Error- Backpropagat ion ...
  • . Schrobsdorff, H., Herrmann, J.M., Geisel, T., localized ...
  • excitations", N eurocomputing , vol. 70, pp. 1706- 1710, 2007. ...
  • نمایش کامل مراجع