Proposal of a Control Algorithm for Multiagent Cooperation Using Spiking Neural Networks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F21%3AA2202C3F" target="_blank" >RIV/61988987:17310/21:A2202C3F - isvavai.cz</a>
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/9524456" target="_blank" >https://ieeexplore.ieee.org/document/9524456</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/TNNLS.2021.3105800" target="_blank" >10.1109/TNNLS.2021.3105800</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Proposal of a Control Algorithm for Multiagent Cooperation Using Spiking Neural Networks
Popis výsledku v původním jazyce
The study deals with the issue of using spiking neural networks (SNNs) in multiagent systems. The research objective is a proposal of a control algorithm for the cooperation of a group of agents using SNNs, application of the Izhikevich model, and plasticity depending on the timing of action potentials. The proposed method has been verified and experimentally tested, proving numerous advantages over second-generation networks. The advantages and the application in real systems are described in the research conclusions.
Název v anglickém jazyce
Proposal of a Control Algorithm for Multiagent Cooperation Using Spiking Neural Networks
Popis výsledku anglicky
The study deals with the issue of using spiking neural networks (SNNs) in multiagent systems. The research objective is a proposal of a control algorithm for the cooperation of a group of agents using SNNs, application of the Izhikevich model, and plasticity depending on the timing of action potentials. The proposed method has been verified and experimentally tested, proving numerous advantages over second-generation networks. The advantages and the application in real systems are described in the research conclusions.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10200 - Computer and information sciences
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
IEEE Transactions on Neural Networks and Learning Systems
ISSN
2162-237X
e-ISSN
2162-2388
Svazek periodika
—
Číslo periodika v rámci svazku
August 2021
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
12
Strana od-do
—
Kód UT WoS článku
000732331700001
EID výsledku v databázi Scopus
2-s2.0-85114595827