Twój Profil
Kliknij, aby zalogować »
Jesteś odbiorcą prenumeraty plus
w wersji papierowej?

Oferujemy Ci dostęp do archiwalnych zeszytów prenumerowanych czasopism w wersji elektronicznej
AKTYWACJA DOSTĘPU! »

Twój koszyk

Twój koszyk jest pusty

Czasowy dostęp?

To proste!

zobacz szczegóły

r e k l a m a

ZAMÓW EZEMPLARZ PAPIEROWY!

zobacz szczegóły

Wyniki wyszukiwania

Wyniki 1-3 spośród 3 dla zapytania: authorDesc:"Karol Gugała"

» Automatyczna generacja syntezowalnego kodu VHDL z modeli sieci neuronowych w Matlabie

KAROL GUGAŁA

ANDRZEJ RYBARCZYK

W zadaniach implementacji sieci neuronowych dostępna jest duża ilość oprogramowania ułatwiającego projektowanie architektury sieci jak i ich uczenie np. Matlab, lecz aby zaimplementować ową sieć w sprzęcie projektant zmuszony jest ręcznie "przetłumaczyć" model w strukturę urządzenia. Prostym sposobem jest opisanie sieci w języku opisu sprzętu np. VHDL. Automatyzacja generacji kodu w języku opisu sprzętu z modeli sieci neuronowych może znacząco skrócić czas implementacji tych sieci w urządzeniach cyfrowych, a zatem przyczynić się do znacznej oszczędności pieniędzy. Przegląd algorytmu Algorytm można podzielić na dwie części: - przygotowanie struktur danych, - generacja plików VHDL. Każda z tych części opisana jest poniżej. Sposób użycia algorytmu Algorytm został zaimplementow[...] więcej»
w zeszycie ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA 2009/12

KUP TERAZ » KUP TERAZ (SMS) »

» FPGA implementation of the Predator-Prey algorithm with adrenalin boost based on a Spiking Neural Network

Igor Karoń

Karol Gugała

Janusz Pochmara

Andrzej Rybarczyk

Spiking neural networks use the element of time in communicating by sending out individual pulses [1]. Spiking neurons can therefore multiplex information into a single stream of signals, like the frequency and amplitude of sound in the auditory system [2, 3]. There are currently a lot of papers about using Spiking Neural Network in robotic [4] but most of them focuses on using neural networks to identify and avoid terrain obstacles or finding the shortest way to signal source: [5-8]. Due to natural network properties, it is an interesting problem to implement some of the biological patterns occurring both in the world of animals and humans. One of these behavioral patterns is a natural instinct to escape threats that have natural origins (e.g. forest fires, floods) and from the world of animals (e.g. escape from predators). In nature, one can see how animals have developed some behaviors that help them survive. The ones with better strategies live through, and pass on their techniques to children [9]. Accurate understanding and mapping of similar behavior allow both better understanding of brain functions and enable use of these schemes as a base for future research projects. Presented paper focus on prey behavior controlled by Spiking Neural Network and modified version or Predator-Prey algorithm. In order to increase the efficiency of the algorithm some behaviors based on the adrenaline have been implemented. As admission to our future work hardware implementation of Spiking Neural Network in FPGA was presented. Spiking neuron models Neurons are elementary information processing units in brain. Structure of biological neuron and synapses has already been well described in many other publications [5, 10, 11]. The following work uses the Leaky Integrate-and-Fire model. LIF is counted as a simplified version of Hodgkin-Huxley model. This model was chosen because: of both low computational complexity, and ability of direct pr[...] więcej»
w zeszycie ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA 2011/12

KUP TERAZ » KUP TERAZ (SMS) »

» Parallel simulation of stochastic denritic neurons using NVidia GPUs with CUDA

Karol Gugała

Aleksandra Świetlicka

Agata Jurkowlaniec

Andrzej Rybarczyk

Hodgkin-Huxley model has been experimentally proved over years great usefulness in describing action potentials of neural cells. Model explains initiation and propagation of action potentials in the giant squid axon, which is very useful in case studies on action potentials [9] in biological neural networks. For work in this matter Alan Hodgkin and Andrew Huxley receive Nobel prize in 1963. Main disadvantage of mentioned model is it computational complexity, thus high demand of computational power and time expensive simulations. We consider computational simplification of model by transformation from deterministic to stochastic one. This transformation simplifies model by replacement part of differential equations derived by it with draw from normal distribution. To decrease time of simulations we decide to use parallel computing. High number of simple floating point operations led us to use GPUs in simulation tasks. In this paper we present simple dendritic neurons in tree like structures tissues simulator based on NVidia GPU written in CUDA C. We present transformation from deterministic Hodgkin - Huxley model to stochastic one. Parallelisation of simulation task of dendritic neurons in aforementioned tissues is presented. Also implemented simulator parallel algorithm is discussed. Hodgkin-Huxley kinetic model Deterministic model is given with the set of equations, where the main equation is of the form (1). Other equations are obtained from the Markov kinetic schemes,[...] więcej»
w zeszycie ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA 2011/12

KUP TERAZ » KUP TERAZ (SMS) »

Strona 1

r e k l a m a