ALL libraries (COBIB.SI union bibliographic/catalogue database)
  • Biologically motivated learning in neural networks with convolutional architectures [Elektronski vir] : magistrsko delo
    Jelovčan, Gašper
    Univerzalno dvosmerno aktivacijsko učenje (UBAL) je nov učni algoritem za umetne nevronske mreže, ki temelji na delovanju pravih bioloških nevronov. Namesto razširjanja napak za posodabljanje uteži ... uporablja lokalne aktivacijske vrednosti. Razširi kontrastno hebbijsko učenje, ki za posodobitve uporablja presinaptične in postsinaptične aktivacijske vrednosti. Je tudi dvosmerno, ker uporablja dve različni matriki uteži za vsako smer aktivacije. Zamisli za UBAL izvirajo iz predhodnih algoritmov recirkulacije in GeneRec. UBAL še nikoli ni bil izveden v konvolucijski različici, kar je glavni cilj magistrskega dela. Konvolucijske nevronske mreže so običajno primernejše za obdelavo slik, zato je bila naša hipoteza, da bo konvolucijski UBAL dal boljše rezultate tudi pri nalogi klasifikacije slik v primerjavi s sedanjo, popolnoma povezano različico. Konvolucijski UBAL smo implementirali in izvedli poskuse v programskem jeziku Python, in sicer v knjižnici Pytorch. Izvedbo smo preizkusili na znanem naboru podatkov MNIST. Rezultati so pokazali da smo bili uspešni in sicer z najboljšo klasifikacijsko točnostjo 89.678% v primerjavi z 91.05% točnostjo za nevronsko mrežo z algoritmom vzvratnega širjenja napake. Poleg konvolucijskega UBAL smo raziskali tudi vpliv ciljnega kodiranja na uspešnost mreže. Namesto eničnega kodiranja smo v izhodnih nevronih uporabili poenostavljene binarne slike števk. Naši rezultati kažejo, da nismo uspeli doseči boljše klasifikacije.
    Type of material - master's thesis ; adult, serious
    Publication and manufacture - [G. Jelovčan], 2023 ; Ljubljana
    Language - english
    COBISS.SI-ID - 183335171

    Link(s):

    Repository of the University of Ljubljana – RUL
    DOI

Shelf entry