Titel
|
Beskrivning
|
Typ
Grön=bio,
röd=ANN,
blå=teknik
|
Kontaktpersoner
|
Arbetsminne med spikande neuroner
|
En existerande modell av en arbetsminnesuppgift hos apor har hittills
modellerats med hjälp av ett BCPNN attraktornät. Detta examensarbete
skulle undersöka vilka effekter som inträffar om spikande neuroner (t.ex. Poissonspikande eller integrate-and-fire)
används istället. Jämförelse av synaptisk dynamik med experimentella data m.m.
|
Artificiella neuronnät, forskningsmodell
|
Anders Lansner ala@nada.kth.se
|
Perceptuell hypotesbildning via adapterande kopplade nät
|
Hjärnan får ofullständig och brusig information från omvärlden, vilken
kombineras till en plausibel hypotes om hur det egentligen ligger
till, vilken också kan styra aktivt informationssökande. I detta
examensarbete ska en modell av hur detta kan gå till utvärderas.
|
Artificiella neuronnät, forskningsmodell
|
Anders Lansner ala@nada.kth.se
|
Featurextraktion och självorganisation av hyperkolumnarkitektur
|
Kompetitiv (anti-Hebbsk) inlärning, BCPNN samt jämförelse med t ex Földiaks metoder.
|
Algoritmutveckling och utvärdering
|
Anders Lansner, ala@nada.kth.se
|
Prototypextraktion med attraktor-ANN
|
Inlärning från diffusa (diskreta) dataset. Hur ser kluster ut? Hur ser katogoriers prototyper ut? Hierarkisk klustering?
|
Algoritmutveckling och utvärdering.
|
Anders Lansner, ala@nada.kth.se
|
Perceptuell fusion
|
Tränade attraktornät (Hopfield/BCPNN) för två-tre olika modaliteter. Träning separat sen med alla tillsammans. Studera hur en konsistent tolkning av fragmentarisk information kan uppnås. Kan alternativa tolkningar, andra bästa alternativ etc genereras?
|
Multi-ANN, algorithmutveckling och testning.
|
Anders Lansner, ala@nada.kth.se
|
Neuronnätsmodell av luktsystemet hos gräshoppa
|
Litteraturstudium av luktsystemets anatomi och fysiologi (antennal lobe+mushroom bodies). Integrate-and-fire enheter alt multi-kompartment Hodgkin-Huxley modell neuron. Ev BCPNN-baserad med graderad utsignal alt. Poissonspikande enheter.
|
Modellering av biologiskt neuronnät
|
Anders Lansner, ala@nada.kth.se
|