Aprendizado não-supervisionado em redes neurais pulsadas de base radial.

Detalhes bibliográficos
Ano de defesa: 2006
Autor(a) principal: Alexandre da Silva Simões
Orientador(a): Anna Helena Reali Costa
Banca de defesa: Adrião Duarte Dória Neto, Emilio Del Moral Hernandez, Hae Yong Kim, Roseli Aparecida Francelin Romero
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade de São Paulo
Programa de Pós-Graduação: Engenharia Elétrica
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://doi.org/10.11606/T.3.2006.tde-15092006-153353
Resumo: Redes neurais pulsadas - redes que utilizam uma codificação temporal da informação - têm despontado como uma nova e promissora abordagem dentro do paradigma conexionista emergente da ciência cognitiva. Um desses novos modelos é a rede neural pulsada de base radial, capaz de armazenar informação nos tempos de atraso axonais dos neurônios e que comporta algoritmos explícitos de treinamento. A recente proposição de uma sistemática para a codificação temporal dos dados de entrada utilizando campos receptivos gaussianos tem apresentado interessantes resultados na tarefa do agrupamento de dados (clustering). Este trabalho propõe uma função para o aprendizado não supervisionado dessa rede, com o objetivo de simplificar a sistemática de calibração de alguns dos seus parâmetros-chave, aprimorando a convergência da rede neural pulsada no aprendizado baseado em instâncias. O desempenho desse modelo é avaliado na tarefa de classificação de padrões, particularmente na classificação de pixels em imagens coloridas no domínio da visão computacional.
id USP_10e393cef0084eae69036aa26a6b7571
oai_identifier_str oai:teses.usp.br:tde-15092006-153353
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis Aprendizado não-supervisionado em redes neurais pulsadas de base radial. Unsupervised learning in pulsed neural networks with radial basis function. 2006-04-07Anna Helena Reali CostaAdrião Duarte Dória NetoEmilio Del Moral HernandezHae Yong KimRoseli Aparecida Francelin RomeroAlexandre da Silva SimõesUniversidade de São PauloEngenharia ElétricaUSPBR Aprendizado de máquina Aprendizado não-supervisionado Artificial intelligence Computer vision Inteligência artificial Machine learning Neural networks Neurônio pulsado Pulsed neuron Redes neurais Spiking neuron Unsupervised learning Visão computacional Redes neurais pulsadas - redes que utilizam uma codificação temporal da informação - têm despontado como uma nova e promissora abordagem dentro do paradigma conexionista emergente da ciência cognitiva. Um desses novos modelos é a rede neural pulsada de base radial, capaz de armazenar informação nos tempos de atraso axonais dos neurônios e que comporta algoritmos explícitos de treinamento. A recente proposição de uma sistemática para a codificação temporal dos dados de entrada utilizando campos receptivos gaussianos tem apresentado interessantes resultados na tarefa do agrupamento de dados (clustering). Este trabalho propõe uma função para o aprendizado não supervisionado dessa rede, com o objetivo de simplificar a sistemática de calibração de alguns dos seus parâmetros-chave, aprimorando a convergência da rede neural pulsada no aprendizado baseado em instâncias. O desempenho desse modelo é avaliado na tarefa de classificação de padrões, particularmente na classificação de pixels em imagens coloridas no domínio da visão computacional. Pulsed neural networks - networks that encode information in the timing of spikes - have been studied as a new and promising approach in the artificial neural networks paradigm, emergent from cognitive science. One of these new models is the pulsed neural network with radial basis function, a network able to store information in the axonal propagation delay of neurons. Recently, a new method for encoding input-data by population code using gaussian receptive fields has showed interesting results in the clustering task. The present work proposes a function for the unsupervised learning task in this network, which goal includes the simplification of the calibration of the network key parameters and the enhancement of the pulsed neural network convergence to instance based learning. The performance of this model is evaluated for pattern classification, particularly for the pixel colors classification task, in the computer vision domain. https://doi.org/10.11606/T.3.2006.tde-15092006-153353info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:02:46Zoai:teses.usp.br:tde-15092006-153353Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:50Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
dc.title.alternative.en.fl_str_mv Unsupervised learning in pulsed neural networks with radial basis function.
title Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
spellingShingle Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
Alexandre da Silva Simões
title_short Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
title_full Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
title_fullStr Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
title_full_unstemmed Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
title_sort Aprendizado não-supervisionado em redes neurais pulsadas de base radial.
author Alexandre da Silva Simões
author_facet Alexandre da Silva Simões
author_role author
dc.contributor.advisor1.fl_str_mv Anna Helena Reali Costa
dc.contributor.referee1.fl_str_mv Adrião Duarte Dória Neto
dc.contributor.referee2.fl_str_mv Emilio Del Moral Hernandez
dc.contributor.referee3.fl_str_mv Hae Yong Kim
dc.contributor.referee4.fl_str_mv Roseli Aparecida Francelin Romero
dc.contributor.author.fl_str_mv Alexandre da Silva Simões
contributor_str_mv Anna Helena Reali Costa
Adrião Duarte Dória Neto
Emilio Del Moral Hernandez
Hae Yong Kim
Roseli Aparecida Francelin Romero
description Redes neurais pulsadas - redes que utilizam uma codificação temporal da informação - têm despontado como uma nova e promissora abordagem dentro do paradigma conexionista emergente da ciência cognitiva. Um desses novos modelos é a rede neural pulsada de base radial, capaz de armazenar informação nos tempos de atraso axonais dos neurônios e que comporta algoritmos explícitos de treinamento. A recente proposição de uma sistemática para a codificação temporal dos dados de entrada utilizando campos receptivos gaussianos tem apresentado interessantes resultados na tarefa do agrupamento de dados (clustering). Este trabalho propõe uma função para o aprendizado não supervisionado dessa rede, com o objetivo de simplificar a sistemática de calibração de alguns dos seus parâmetros-chave, aprimorando a convergência da rede neural pulsada no aprendizado baseado em instâncias. O desempenho desse modelo é avaliado na tarefa de classificação de padrões, particularmente na classificação de pixels em imagens coloridas no domínio da visão computacional.
publishDate 2006
dc.date.issued.fl_str_mv 2006-04-07
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/T.3.2006.tde-15092006-153353
url https://doi.org/10.11606/T.3.2006.tde-15092006-153353
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Engenharia Elétrica
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1786376854330933248