Loading...

Resilience Pattern in Neural Network

Mozafari, Tahereh | 2017

842 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 50821 (04)
  4. University: Sharif University of Technology
  5. Department: Physics
  6. Advisor(s): Rahimi Tabar, Mohammad Reza
  7. Abstract:
  8. In this thesis the resilience of a neural network is examined under structural perturbation.The network consists of Spiking neurons with specific dynamics or they are binary neurons and the network is non-spiking. Neural network is a multi-dimensional and multi-stable system therefore we can map their dynamical equations to effective one-dimensional equation with one parameter which shows the environmental conditions.The resilience of the system is evaluated with respect to changes in weights and edges of the network and the the resilience pattern of the system is obtained.Finally, the recovery and control methods are briefly discussed
  9. Keywords:
  10. Resilience ; Spiking Neural Network ; Artificial Neural Network ; Recovery ; Control

 Digital Object List

 Bookmark

  • تاب آوری
    • مفهوم تاب آوری
    • مقایسه تاب آوری در سیستم های یک بعدی و چند بعدی
    • شاخصه های عمومی تغییر تاب آوری در سیستم های یک بعدی
    • آرام شدن بحرانی
    • حرکت سریع دور از نقطه ی تعادل
    • حالت غیر تعادلی
    • تاب آوری در شبکه ی نورونی
    • خلاصه
  • شبکه نورونی
    • علم اعصاب
    • مدل های توصیف دینامیک یک نورون
      • مدل انباشت و شلیک
      • توصیف دینامیک با چهار معادله
      • توصیف دینامیک با دو معادله
    • شبکه ای از نورون ها
    • شبکه ی نورونی باینری برای یادگیری ماشین
    • شبکه نورونی جاذب
    • مدل هاپفیلد
    • ماشین بولتزمن
    • ماشین بولتزمن محدود شده
    • رابطه ی بین همیلتونی RG و RBM
    • خلاصه
  • بررسی تاب آوری در یک شبکه ی نورونی
    • شبکه نورونی بر اساس انرژی
    • روش آموزش شبکه
    • توصیف دینامیک شبکه با معادله ی ۱ بعدی
    • پیاده سازی مدل آموزشی
    • کنترل و بازیابی
      • کنترل سیستم به صورت خطی
    • نتیجه گیری و کارهای آینده
  • اثبات قضیه ی کمینه ی انرژی
    • قضیه ی کنترل کالمن
    • کمینه ی انرژی برای کنترل
...see more