Spiking Neural Network und Bildverarbeitung

In der heutigen Welt ist die Bilderkennung durch den Computer das wichtigste Thema. Die Erkennung von Handschriften ist sehr nützlich geworden, damit die Maschine lernt, zwischen Mensch und Computer zu interagieren. Für die Klassifizierung und Erkennung von Mustern sind neuronale Netze die leistungsfähigsten Werkzeuge. In diesem Buch werden die Strategien für handgeschriebene englische Zeichen (Groß- und Kleinbuchstaben) dargestellt. Wir konzentrieren uns auf die Klassifizierung und Erkennung auf der Grundlage des Leaky-Integrate- und Fire-Neuronenmodells und des Izhikevich-Neuronenmodells, bei denen es sich um Spiking Neural Network-Modelle handelt. Dieses Buch illustriert die Simulation des Leaky-Integrate-and-Fire-Neuronenmodells und des Izhikevich-Neuronenmodells, und die Ergebnisse werden in Bezug auf Genauigkeit, Simulationszeit und Feuerungsraten für die Analyse mit einigen weiteren Verbesserungen verglichen. Wir berichten über die Vorteile von SNN, wie z.B. mathematische Modellberechnung, hohe Genauigkeit, geringer Stromverbrauch, geringer Platzbedarf und Nützlichkeit für Echtzeitanwendungen, die wir weiter ausbauen und in Bezug auf die Kosteneffizienz verbessern wollen.

Autorentext

Soni Adit Chaturvedi è Ph.D[ Ingegneria Elettronica] M.Tech (Elettronica) e B.E. (E &C) Attualmente lavora come professore associato e capo in E &C Engg. Dipartimento, PIET, Nagpur. Ha un'esperienza totale di insegnamento di 25 anni, ha un capitolo di libro in Springer book e 20 contributi di ricerca in riviste internazionali repitate, Area: ANN, DIP, DSD.