×
Универзитет у Новом Саду

Предмет: Биолошки инспирисани вештачки неурални системи (22.EAI064)

Основне информације:
 
Категорија Научно-стручни
Ужа научна област Електроника
ЕСПБ 6

Циљ предмета је да студенте упозна са основама пројектовања и коришћења биолошки инспирисаних вештачких неуралних система. Студенти ће научити како да одаберу моделе неурона, синапси и топологију мреже у зависности од циљне апликације и како да на оптималан начин изаберу хардверску платформу на којој ће се извршавати тренирана неурална мрежа. Савремене вештачке неуронске мреже имају мало сличности са биолошким неуралним системима. Биолошки неурални системи одликују се драстично бољим перформансама, у погледу потребног броја рачунарских ресурса и потрошње електричне енергије, од решења базираних на вештачким неуронским мрежама. Стога постоји потреба за развојем нове врсте вештачких неуронских мрежа, које ближе опонашају начин репрезентације и обраде информација који је присутан у биолошким неуралним системима. Биолошки инспирисани вештачки неурални системи представљају будућност вештачке интелигенције и машинског учења у уграђеним електронским системима.

Након успешног завршетка овог курса студенти ће бити способни да: - Разумеју основну структуру и функцију основним елемената биолошких неуралних система - Одаберу или развију оптималне моделе биолошки инспирисаних неурона и синапси, у складу са захтевима циљне апликације - Одаберу оптималну архитектуру биолошки инспирисане неуралне мреже - Изврше припрему скупа за обучавање пројектоване неуралне мреже - Одаберу начин на који ће бити извршено обучавање неуралне мреже - Развију симулациони модел одабране неуралне мреже и имплементирају одабрани алгоритам обучавања у једном од стандарних софтверских алата за рад са биолошки инспирисаним неуралним мрежама - Анализирају резултате добијене у процесу обучавања и изврше потребне промене како би се повећала тачност пројектоване неуралне мреже - Изаберу одговарајућу хардверску платформу која ће бити коришћена у циљној апликацији, заједно са одговарајућим сензорима, на којој ће се имплементирати обучена неурална мрежа.

Теоријска настава - Биолошки неурални системи: основни делови биолошких неуралних система, структура биолошких неурона, структура биолошских синапси, организација и врсте биолошких неуронских мрежа, основни биолошки рецептори, визуелни систем, аудиторни систем, олфакторни систем, основе моторичког система. - Модели биолошких неурона и синапси: кодирање информације у биолошким неуронима и неуралним мрежама, математички модели индивидуалних неурона (Hodgkin–Huxley, FitzHugh-Nagumo, Hindmarsh-Rose, Morris-Lecar, Izhikevich, Integrate-and-Fire), математички модели синапси (инхибиторне, ексцитаторне). - Архитектуре биолошки инспирисаних неуралних мрежа: архитектуре за пропагацијом сигнала унапред, рекурентне архитектуре (Reservoir Computing, Echo State Networks, Liquid State Machines, NeuCube), архитектуре базиране на латералној инхибицији, пробабилистичке неуралне архитектуре, Hierarchical Temporal Memory. - Учење у биолошки инспирисаним неуралним мрежама: преглед основних техника (учење базирано на конверзији тренираних вештачких неуронских мрежа, учење базирано на алгоритмима тренирања вештачких неуронских мрежа са додатним ограничењима, методе базиране на пропагацији грешке уназад, локално учење). - Биолошки инспирисани сензори: AER комуникациони протокол, вештачка ретина, вештачка кохлеа. - Хардверска имплементације биолошки инспирисаних неуралних мрежа: дигиталне архитектуре за харверску имплементацију биолошки инспирисаних неурона, биолошки инспирисаних синапси и биолошки инспирисаних неуралних мрежа. - Примене биолошки инспирисаних вештачких неуралних система: примена у обради слике, примена у обради звука, примена у управљању и контроли процеса. Практична настава Иако се предмет делом бави проблематиком анализе, моделовања и обучавања биолошки инспирисаних неуралних мрежа, он има изразиту апликативну димензију. Стога ће рачунарске и лабораторијске вежбе које прате овај курс бити осмишљене на такав начин да кроз практичан рад са постојећим сотверским алатима за симулацију и обучавање биолошки инспирисаних неуралних мрежа, али и са одговарајућим хардверским платформама као и биолошки инспирисаним сензорима, илуструју све теоријске концепте који ће бити обрађивани на предавањима. Неизоставни део предмета чини ће самостални студентски пројекат, који ће од сваког студента захтевати да развије један комплетан уграђени електронски систем који ће имплементирати одабрану биолошки инспирисану неуралну мрежу и демонстрирати њен успешан рад у циљној апликацији. Овај пројекат ће по правилу бити реализован кроз сарадњу са компанијама које се баве применом биолошки инспирисаних неуралниџ мрежа у областима обраде слике, видеа, звука, итд.

Предавања се изводе уз PowerPoint презентације. Праћена су рачунарским и лабораторијским вежбама у Лабораторији за дискретне системе и алгоритме на ФТН. Компаније које се баве применом биолошки инспирисаних неуралних мрежа као и развојем електронских система базираних на биолошки инспирисаним неуралним мрежама примаће студенте на праксу, и омогућиће израду самосталних студентских пројеката. Предиспитне обавезе чиниће успешно завршен и одбрањен самостални студентски пројекат - услов за излазак на испит је 25 од 50 бодова. Кроз колоквијум на половини семестра и у првом испитном року након завршетка слушања предмета може се положити први и други део теоријског испита. Теоријски део испита полагаће се у редовним испитним роковима.

Аутори Назив Година Издавач Језик
S. Liu, T. Delbruck, G. Indiveri, A. Whatley, R. Douglas Event-Based Neuromorphic Systems 2015 Wiley Енглески
M. A. Arbib and J. J. Bonaiuto From Neuron to Cognition via Computational Neuroscience 2016 The MIT Press Енглески
Paul Miller An Introductory Course in Computational Neuroscience 2018 The MIT Press Енглески
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Писмени део испита - комбиновани задаци и теорија
Предиспитна
Не
Обавезна
Да
Број поена
50.00
Предметна активност
Колоквијум
Предиспитна
Не
Обавезна
Не
Број поена
25.00
Предметна активност
Презентација
Предиспитна
Да
Обавезна
Да
Број поена
10.00
Предметна активност
Предметни пројекат
Предиспитна
Да
Обавезна
Да
Број поена
40.00
Предметна активност
Колоквијум
Предиспитна
Не
Обавезна
Не
Број поена
25.00

Предавања

Предавања

Предавања

Рачунарске вежбе

Рачунарске вежбе

Рачунарске вежбе

Рачунарске вежбе