User: Guest  Login
Original title:
Pattern recognition with phase oscillator networks: Analysis and experimental verification of a novel architecture
Translated title:
Mustererkennung mit Netzwerken aus Phasenoszillatoren: Analyse und experimentelle Verifikation einer neuartigen Architektur
Author:
Heger, Daniel
Year:
2018
Document type:
Dissertation
Faculty/School:
Fakultät für Physik
Advisor:
Krischer, Katharina (Prof. Dr.)
Referee:
Krischer, Katharina (Prof. Dr.); Gerland, Ulrich (Prof. Dr.)
Language:
en
Subject group:
PHY Physik
Keywords:
oscillators, neural network, nonlinear, electronics
Translated keywords:
Oszillatoren, Neuronale Netze, nichtlinear, Elektronik
TUM classification:
CHE 100d; PHY 000d
Abstract:
Uncertain recognition success, unfavorable scaling of connection complexity, or dependence on complex external input impair current oscillatory neural networks for pattern recognition. We present a network architecture of coupled oscillators for pattern recognition with none of the mentioned flaws. Possible output patterns are isolated attractors of the system and simple criteria for recognition success are derived from the basins of attraction. These predictions were experimentally validated wi...     »
Translated abstract:
Bisherige Netzwerke aus Oszillatoren, die zur Mustererkennung genutzt werden sollen, weisen nicht vernachlässigbare Fehlerraten auf, skalieren ungünstig oder benötigen komplexe zeitabhängige Signale, die außerhalb des Netzwerks erzeugt werden müssen. Diese Arbeit stellt eine Netzwerkarchitektur vor, welche keinen der oben genannten Nachteile zeigt. Mögliche Ausgabemuster sind isolierte Attraktoren des Systems und einfache Kriterien für den Erfolg eines Erkennungsprozesses werden hergeleitet. Ei...     »
WWW:
https://mediatum.ub.tum.de/?id=1445307
Date of submission:
25.06.2018
Oral examination:
10.10.2018
File size:
7025718 bytes
Pages:
166
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20181010-1445307-1-1
Last change:
12.12.2018
 BibTeX