Содержание
Аннотация. 4
Введение. 5
1.1. Модель нейрона. 6
1..1.1. Биологическая модель нейрона. 6
1.1.2. Математическая (формальная) модель нейрона. 6
1.2. Искусственная нейронная сеть. Виды нейронных сетей. 7
1.3. Реализации нейронных сетей. 8
1.3.1. Фундаментальные реализации нейронных сетей. 8
1.3.2. Существующие реализации спайковых нейронных сетей. 8
1.4. Обучение нейронных сетей. 9
1.4.1. Биологически мотивированные правила обучения. 11
1.4.2. Регуляризация активности. 14
1.4.3. Обучение спайковых нейронных сетей. 15
1.5. Отличия спайковых нейронных сетей от обычных. 16
1.6. Модели спайковых нейронов. 17
1.7. Методы нейронного кодирования спайковых сетей. 19
1.7.1. Кодирование входных данных. 19
1.7.2. Кодирование спайков по скорости. 20
1.7.3. Временное кодирование спайков. 21
1.7.4. Дельта-модуляция. 21
1.8. Программное обесепечение для спайковых нейронных сетей (библиотеки python). 23
1.8.1. Библиотека Nengo. 23
1.8.2. Библиотека NengoDL. 24
1.8.3. Библиотека snnTorch. 27
1.8.4. Нейронное кодирование в snnTorch. 28
1.8.5. Модель LIF нейрона в snnTorch. 29
1.9. Описание работы спайкового нейрона и спайковой нейронной сети. 29
1.10. Проблемы реализации спайковых нейронных сетей. 30
2. Практический раздел. 30
2.1. Обучение нейронных сетей на python. 30
2.1.1. Описание входных данных. 30
2.1.2. Описание тренировки c помощью PyTorch и TensorFlow нейронной сети 2-го поколения. 32
2.1.3. Описание обучения спайковой сети с помощью NengoDL. 33
2.1.4. Выводы по результатам обучения нейронных сетей на python. 34
2.2. Цифровая реализация спайкового нейрона. 35
2.2.1. Описание устройства. 35
2.2.2. Описание работы скриптов. 35
2.2.3. Пример схемы устройства. 35
2.2.4. Графики работы устройства. 35
2.2.5. Анализ влияния параметров на количество используемых элементов. 35
Приложение 1. Рисунки к теоретической части. 35
Приложение 2. Графики, схемы к практической части. 40