| Název: | Gradient method of learning for stochastic kinetic model of neuron |
| Autoři: | Świetlicka, Aleksandra Gugała, Karol Karón, Igor Kolanowski, Krzysztof Majchrzycki, Mateusz Rybarczyk, Andrzej |
| Citace zdrojového dokumentu: | ISTET 2013: International Symposiumon Theoretical Electrical Engineering: 24th – 26th June 2013, Pilsen, Czech Republic, p. III-17-III-18. |
| Datum vydání: | 2013 |
| Nakladatel: | University of West Bohemia |
| Typ dokumentu: | konferenční příspěvek conferenceObject |
| URI: | http://hdl.handle.net/11025/11489 |
| ISBN: | 978-80-261-0246-5 |
| Klíčová slova: | stochastický kinetický model neuronu;gradientní metoda učení;Hodgin-Huxleyho model |
| Klíčová slova v dalším jazyce: | stochastic kinetic model of neuron;gradient method of learning;Hodgkin-Huxley model |
| Abstrakt: | In this paper we are focusing on the kinetic extension [4] of classic model of Hodgkin and Huxley [2]. We are showing the descent gradient method used in the learning process of neuron, which is described with stochastic kinetic model. In comparison with [1] we use only 3 weights instead of 9: gNa; gK and gL: We show that this model behaves equally accurate as the model of Hodgkin and Huxley with slighter system description. |
| Práva: | © University of West Bohemia |
| Vyskytuje se v kolekcích: | ISTET 2013 ISTET 2013 ISTET 2013 |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| Swietlicka.pdf | Plný text | 160,23 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/11489Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.