Login
- Originaltitel:
- Radar Signal Processing with Spiking Neural Networks and Resonate-and-Fire Encoding
- Übersetzter Titel:
- Radarsignalverarbeitung mit Pulsenden Neuronalen Netzen und Kodierung mittels Resonierender Neuronen
- Autor:
- Hille, Julian Bernhard Christian
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Betreuer:
- Knoll, Alois Christian (Prof. Dr.)
- Gutachter:
- Knoll, Alois Christian (Prof. Dr.); Biebl, Erwin (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- Stichworte:
- Neuromorphic, Spiking Neural Networks, Encoding, spatial-temporal, Signal Processing, Radar, Interference Detection, Phase Detection, Angle-of-Arrival
- Übersetzte Stichworte:
- Neuromorph, Pulsende Neuronale Netze, Kodierung, räumlich-zeitlich, Signalverarbeitung, Radar, Interferenzerkennung, Phasenerkennung, Winkelabschätzung
- TU-Systematik:
- DAT 260; DAT 815
- Kurzfassung:
- This work introduces an efficient conversion of continuous signals into spatio-temporal spike events for spiking neural networks. We demonstrate the direct processing of sensor data streams with resonate-and-fire encoding in three real-world applications. In these applications, the encoding extracts the relevant signal components while suppressing noise. An appropriate spiking network successfully classifies the encoded spike trains by analyzing the spatio-temporal correlation of spikes.
- Übersetzte Kurzfassung:
- In dieser Arbeit wird eine effiziente Konvertierung von kontinuierlichen Signalen in räumlich-zeitliche Ereignisse für pulsende neuronale Netze vorgestellt. Wir demonstrieren in drei Anwendungen die direkte Verarbeitung von Sensordatenströmen mit der Kodierung durch resonierende Neuronen, die das Rauschen der Signale unterdrücken. Ein geeignetes pulsendes Netzwerk klassifiziert die kodierten Pulsfolgen erfolgreich, indem es die räumlich-zeitliche Korrelation der Pulse analysiert.
- WWW:
- https://mediatum.ub.tum.de/?id=1702849
- Eingereicht am:
- 22.06.2023
- Mündliche Prüfung:
- 19.08.2024
- Dateigröße:
- 6617016 bytes
- Seiten:
- 172
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240819-1702849-1-2
- Letzte Änderung:
- 24.09.2024
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and TechnologyComputer Engineering
- mediaTUM GesamtbestandEinrichtungenSchools TUM School of Computation, Information and TechnologyPrüfungsarbeitenDissertationen