Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Robust Optimal-Size Implementation of Finite State Automata with Synfire Ring-Based Neural Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F19%3A00503688" target="_blank" >RIV/67985807:_____/19:00503688 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-030-30487-4_62" target="_blank" >http://dx.doi.org/10.1007/978-3-030-30487-4_62</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-30487-4_62" target="_blank" >10.1007/978-3-030-30487-4_62</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Robust Optimal-Size Implementation of Finite State Automata with Synfire Ring-Based Neural Networks

  • Popis výsledku v původním jazyce

    Synfire rings are important neural circuits capable of conveying synchronous, temporally precise and self-sustained activities in a robust manner. We describe an optimal-size implementation of finite state automata with neural networks composed of synfire rings. More precisely, given any finite automaton, we build a corresponding neural network partly composed of synfire rings capable of simulating it. The synfire ring activities encode the successive states of the automaton throughout its computation. The robustness of the network results from its architecture, which is composed of synfire rings and duplicated core components. In addition, the network's size is asymptotically optimal: for an automaton with n states, the network has theta (√n) cells.

  • Název v anglickém jazyce

    Robust Optimal-Size Implementation of Finite State Automata with Synfire Ring-Based Neural Networks

  • Popis výsledku anglicky

    Synfire rings are important neural circuits capable of conveying synchronous, temporally precise and self-sustained activities in a robust manner. We describe an optimal-size implementation of finite state automata with neural networks composed of synfire rings. More precisely, given any finite automaton, we build a corresponding neural network partly composed of synfire rings capable of simulating it. The synfire ring activities encode the successive states of the automaton throughout its computation. The robustness of the network results from its architecture, which is composed of synfire rings and duplicated core components. In addition, the network's size is asymptotically optimal: for an automaton with n states, the network has theta (√n) cells.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA19-05704S" target="_blank" >GA19-05704S: FoNeCo: Analytické základy neurovýpočtů</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Artificial Neural Networks and Machine Learning – ICANN 2019: Theoretical Neural Computation. Proceedings, Part I

  • ISBN

    978-3-030-30486-7

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    13

  • Strana od-do

    806-818

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Místo konání akce

    Munich

  • Datum konání akce

    17. 9. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku