FPAD alapú neuron modellek Ormos László Miskolci Egyetem Villamosmérnöki Intézet Automatizálási Tanszék.

Slides:



Advertisements
Hasonló előadás
NEURONHÁLÓK.
Advertisements

Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék 5.5. Model Based Architecture módszerek BelAmI_H Spring.
GPRS/EDGE General Packet Radio Service/ Enhanced Data rate for GSM Evolution.
3. Az idegsejtek kapcsolatai
Néhány fontos terület a Kreatív Ipar fejlődéséhez
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens.
A VEZETÉSRŐL ÁLTALÁBAN
A REGIONÁLIS INNOVÁCIÓ IRÁNYÍTÁSI RENDSZERÉNEK HÁLÓZATI MEGKÖZELÍTÉSE korreferátum ME RFK ülés Kecskeméti Főiskola, Gépipari és Automatizálási Műszaki.
IDEGRENDSZER.
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi adjunktus.
Ekler Péter Budapesti Műszaki és Gazdaságtudományi Egyetem
Idegrendszeri alapfogalmak
A fejlődési folyamatok biológiai és környezeti tényezői
Hogyan működik az elektronikus nyelv
IRE 7 /31/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 7.
IRE 8 /38/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 8.
Készítette: Zaletnyik Piroska
Módszerek sebességi állandók becslésére Kovács Benedek, Budapesti Műszaki és Gazdaségtudományi Egyetem.
Ember László Hálózatok (Networks) ISO-OSI TCP/IP.
Dr. Kovács Emőd VISZ Díjátadó Ünnepség computer graphics Számítógépi grafika Grafikai irányok, kutatások és egyebek.
Neurális hálók néhány alkalmazása a komputergrafikában
Mesterséges neuronhálózatok
SZÁMÍTÓGÉP ARCHITEKTÚRÁK
A VISELKEDÉS BIOLÓGIAI ALAPJAI
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi adjunktus.
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens.
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi adjunktus.
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék 2012/13 1. félév 3. Előadás Dr. Kulcsár Gyula egyetemi docens.
Az idegrendszer.
Idegrendszer bevezetés
Velünk született reflexek
Induktív típusú zárlati áramkorlátozók elmélete és alkalmazása
Szabályozás-vezérlés
Mérnöki objektumok leírása és elemzése virtuális terekben c. tantárgy Budapesti Műszaki Főiskola Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek.
Számítógéppel integrált gyártás (CIM)
III. Témakör MISKOLCI EGYETEM LOGISZTIKA ANYAGMOZGATÁSI ÉS LOGISZTIKAI TANSZÉK III./1.
Patkány EEG.
SZÁMÍTÓGÉP ARCHITEKTÚRÁK - 15 Németh Gábor. 2001Németh Gábor: Számítógép architektúrák 2 NEURÁLIS HÁLÓZATOK Három fő hajtóerő: 1.Az információ-technológia.
Az idegrendszer felépítése és működése
Az idegrendszer mozgató működése
Az Alzheimer-kór filozófiája
Idegsejtek élettana I.
Az idegrendszer fejlődése
Idegrendszeri plaszticitás
Analóg alapkapcsolások
A PLC és használatának előnyei
Dr. Kovács Emőd VISZ Díjátadó Ünnepség computer graphics Számítógépi grafika Grafikai irányok, kutatások és egyebek.
Az életfolyamatok szabályozása
ÁLTALÁNOS IDEGÉLETTAN
BEVEZETŐ Dr. Turóczi Antal
Új technológiák elterjedésének modellezése
Nyugalom vagy izgalom- ez itt a kérdés…
Állatok szabályozása Az idegeimre mész…..…..
AZ IDEGRENDSZER ÉLETTANA
Kémiai receptorok.
Szabadkai Műszaki Szakfőiskola 1. A neuron modellje a következő 3 elemből áll: 1. A szinapszisok halmaza amelyekkel a neuronok egymáshoz vannak kapcsolva.
Piramis klaszter rendszer
A projekt az Európai Unió társfinanszírozásával, az Európa terv keretében valósul meg. Számítógép- architektúrák dr. Kovács György DE AVK GAIT.
Idegrendszer – systema nervosum
SZÁMÍTÓGÉP-ARCHITEKTÚRÁK – 15 NEURÁLIS HÁLÓZATOK Németh Gábor.
FPGA-n implementált, sztochasztikus bitfolyam alapú programozható neurális hálózat Rák Ádám Konzulens: Cserey György, Ph.D OTDK előadás, kiegészített.
Startup felvásárlások multikulturális hátterének elemzése, avagy mesterséges intelligencia alapú ellenőrzőszámítás diszkriminancia-elemzéshez Barta Gergő,
FPGA oktatás az Óbudai Egyetemen
AZ IDEGRENDSZER FELÉPÍTÉSE ÉS MŰKÖDÉSE
Mozgástan, mozgásfejlődés, neurobiológia
Mozgástan, mozgásfejlődés, neurobiológia
Szabályozás-vezérlés
Egészségügyi ügyvitelszervező szak
Egészségügyi ügyvitelszervező szak
Egészségügyi ügyvitelszervező szak
Előadás másolata:

FPAD alapú neuron modellek Ormos László Miskolci Egyetem Villamosmérnöki Intézet Automatizálási Tanszék

FPAD alapú neuron modellek A sokoldalúan felhasználható neurális hálózat modellje az emberi agy, amely magába foglalja a környezet jeleit érzékelő és azt ingerületté alakító primer neurális hálózatot, valamint az ingerületekre adandó megfelelő válasz kidolgozására szolgáló másodlagos neurális hálózatot.

FPAD alapú neuron modellek Az emberi intelligencia az idegrendszert alkotó neuronok közötti adatáramlás eredménye. Az adatfeldolgozás sebessége és a kidolgozott válaszok száma az idegsejtek számától és a sejtek között létező szinaptikus kapcsolódások számától függ.

FPAD alapú neuron modellek Az organikus idegrendszert sokféle, különböző feladattal rendelkező idegsejt - neuron - alkotja. A neuronok típusai: bipoláris neuronok, pseudounipoláris neuronok, piramis sejtek, interneuronok, Purkinje-sejtek, preanglion sejtek, postanglion sejtek, moto-neuronok.

Az idegsejtek automata modellje A mesterséges intelligenciát alkotó neurális funkciókat a mesterséges reflex íveket alkotó hálózatok és a reflex íveket hálózattá, mesterséges idegrendszerré szervező neurális elemek hozzák létre.

Az idegsejtek automata modellje Az afferens neuron Az afferens neuron automata modellje

Az idegsejtek automata modellje Az afferens neuron véges automatáját leíró objektumok: Q={S, U a, U ep, U ip }  ={gp, i pr, f pr }  ={(S, gp)=U a, (U a, i pr )=U a, (U a, f pr )=U ep, (U a, f pr )=U ip } F={U ep,U ip }

Az idegsejtek automata modellje Az interim neuron Az interim neuron automata modellje

Az idegsejtek automata modellje Az interim neuron automatáját leíró objektumok: Q={S, U e1, U e2,..., U ex, U AC }  ={ep 0,..., ep x, ip 0,..., ip x }  ={(S, ep 0 )=U e1, (S, ip 0 )=S, (U e1, ip 1 )=S, (U ej, ep j )=U e(j+1), (U ej,ep j )=U AC, (U ex,ep x )=U AC, (U ej, ip j )=U e(j-1) } F={U AC }

Az idegsejtek automata modellje A moto-neuron A moto-neuron automata modellje

Az idegsejtek automata modellje A moto-neuron automatáját leíró objektumok: Q=S, U AC  ={e p, i p, }  ={(S, i p )=S, (S, e p )=U AC, (U AC, )=S} F={U AC }

A neuronok kísérleti modellje A szinaptikus bemenetek áramköre (dentrit-generátor)

A neuronok kísérleti modellje Az axonikus kimenet áramköre (axon-generátor)

A neuronok kísérleti modellje

Neurális mesterséges intelligencia alkalmazások Lassú folyamatok valósidejű irányítása –növényházak technológiai rendszerének irányítása a növény fejlődésének figyelembevételével, –gépjárművezetők fáradtságának ellenőrzése, –gőzkazánok technológiai rendszerének irányítása. Gyors folyamatok valósidejű irányítása –alak- és eseményfelismerés, –változtatható szárnyállású repülőgépek longitudinális stabilitásának felügyelete a nyilazási szög változtatása során.