Fast neural network adaptation with associative pulsing neurons
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
2017 SSCI Proceedings [Dokument elektroniczny]. 2017 IEEE Symposium Series on Computational Intelligence Proceedings : Honolulu, [November 27 – December 1, 2017]
Data publikacji
2017
ISBN
978-1-5386-2725-9
Wydawca
IEEE
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
Fast neural network adaptation with associative pulsing neurons
Rok publikacji
2017
Strony (od-do)
339--346
Numer rozdziału
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.57
Hasło encyklopedyczne
Autorzy
(liczba autorów: 2)
Pozostali autorzy
+ 1
Słowa kluczowe
EN
computational complexity
self-organization
spiking neurons
associative pulsing neurons
associative models
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
2017 SSCI
Nazwa konferencji
2017 IEEE Symposium Series on Computational Intelligence
Początek konferencji
2017-11-27
Koniec konferencji
2017-12-01
Lokalizacja konferencji
Honolulu
Kraj konferencji
US
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
EN
Treść
This paper presents a fast self-organization of neural network structure using a new simplified pulsing model of neurons. These neurons incorporate the concept of time while simplifying many functional aspects of spiking models. This model is attractive because it is computationally very efficient. It allows for fast association of experimental data using conditional plasticity rules built-in neurons. It can be used for the representation of sequential and non-sequential data in neural network architectures. It also allows for the creation of synaptic connections that represent similarity, sequence, proximity, or defining dependencies between data and objects. Thus, this model can be used to develop complex neural graph structures for knowledge representation and retrieval. Such neural structures can be further used for fast search of related data or objects, clustering, classification, recognition, data mining, knowledge exploration, data retrieval, as well as for various cognitive tasks.
Cechy publikacji
chapter-in-a-book
peer-reviewed
Inne
System-identifier
idp:111512
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych