| Summary: | Neuronit ja niiden väliset synapsit kuvataan aivoissa tapahtuvan tietojenkäsittelyn ja laskennan peruspilareina. Tutkielmassa tutkitaan, mitä on biologisten prosessien kautta muodostuva hermopiikkien ajasta riippuva plastisiteetti (engl. Spike-Timing Dependent Plasticity, STDP). STDP:tä on käytetty oppimissääntönä erilaisissa piikittävissä neuroverkoissa (engl. Spiking Neural Network, SNN). Tutkielmassa myös perehdytään useaan erilaiseen STDP-oppimissääntöön ja vertaillaan muutamia niistä saatuja tuloksia MNIST-kuvantunnistustehtävässä.
Neurons and the synapses between them are thought to be basic building blocks of information processing and computing in the brain. This thesis examines what is the Spike-Timing Dependent Plastiticity (STDP) formed through biological processes. STDP has been used as a learning rule in different kinds of Spiking Neural Networks (SNN). The thesis takes a look on several different STDP learning rules and compares some of those results in an image recognition task using the MNIST-database.
|
|---|