Zobrazeno 1 - 10
of 518
pro vyhledávání: '"Nonlinear Hebbian learning"'
Autor:
Brito, Carlos S. N., Gerstner, Wulfram
The development of sensory receptive fields has been modeled in the past by a variety of models including normative models such as sparse coding or independent component analysis and bottom-up models such as spike-timing dependent plasticity or the B
Externí odkaz:
http://arxiv.org/abs/1601.00701
Publikováno v:
Kybernetes, 2023, Vol. 53, Issue 10, pp. 3685-3706.
Externí odkaz:
http://www.emeraldinsight.com/doi/10.1108/K-01-2023-0104
Publikováno v:
In Neural Networks 2010 23(10):1252-1263
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Carlos S N Brito, Wulfram Gerstner
Publikováno v:
PLoS Computational Biology, Vol 12, Iss 9, p e1005070 (2016)
The development of sensory receptive fields has been modeled in the past by a variety of models including normative models such as sparse coding or independent component analysis and bottom-up models such as spike-timing dependent plasticity or the B
Externí odkaz:
https://doaj.org/article/710f58da99304b2da7c179aea4867471
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Applied Intelligence. 41:223-234
Fuzzy Grey Cognitive Maps (FGCM) is an innovative Grey System theory-based FCM extension. Grey systems have become a very effective theory for solving problems within environments with high uncertainty, under discrete small and incomplete data sets.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::03d821b466dd36d3f3f45269ebb23f8d
https://doi.org/10.1007/s10489-013-0511-z
https://doi.org/10.1007/s10489-013-0511-z
Publikováno v:
Neural Networks. 23:1252-1263
We propose using a new biologically inspired approach, nonlinear Hebbian learning (NHL), to implement acoustic signal recognition in noisy environments. The proposed learning processes both spectral and temporal features of input acoustic data. The s
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::c4d5e94f297f04d33efe48e47cfd7386
https://doi.org/10.1016/j.neunet.2010.07.003
https://doi.org/10.1016/j.neunet.2010.07.003
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.