435 matches
-
neuroni artificiali, sunt parte a inteligenței artificiale și își au, concepțional, originea ca și neuronii artificiali, în biologie. Nu există pentru RNA o definiție general acceptată a acestor tipuri de sisteme, dar majoritatea cercetătorilor sunt de acord cu definirea rețelelor neurale artificiale ca rețele de elemente simple puternic interconectate prin intermediul unor legături numite interconexiuni prin care se propagă informație numerică. Originea acestor rețele trebuie căutată în studierea rețelelor bioelectrice din creier formate de neuroni și sinapsele acestora. Principala trăsătură a acestor
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
creier formate de neuroni și sinapsele acestora. Principala trăsătură a acestor rețele este capacitatea de a "învăța pe bază de exemple", folosindu-se de experiența anterioară pentru a-și îmbunătăți performanțele. Deși se aseamănă în funcționare cu creierul uman, rețelele neurale au o structură diferită de cea a creierului. O rețea neurală este mult mai simplă decât corespondentul său uman, dar la fel ca și creierul uman, este compusă din unități puternice cu capacitate de calcul, mult inferioare însă corespondentului uman
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
rețele este capacitatea de a "învăța pe bază de exemple", folosindu-se de experiența anterioară pentru a-și îmbunătăți performanțele. Deși se aseamănă în funcționare cu creierul uman, rețelele neurale au o structură diferită de cea a creierului. O rețea neurală este mult mai simplă decât corespondentul său uman, dar la fel ca și creierul uman, este compusă din unități puternice cu capacitate de calcul, mult inferioare însă corespondentului uman, neuronul. Rețelele neurale artificiale se pot caracteriza pe baza a 3
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
structură diferită de cea a creierului. O rețea neurală este mult mai simplă decât corespondentul său uman, dar la fel ca și creierul uman, este compusă din unități puternice cu capacitate de calcul, mult inferioare însă corespondentului uman, neuronul. Rețelele neurale artificiale se pot caracteriza pe baza a 3 elemente: Sunt mai multe criterii de clasificare a modelelor neuronului elementar, ce implică: domeniul de definiție a semnalelor folosite, natura datelor folosite, tipul funcției de activare, prezența memoriei. Dar cel mai utilizat
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
a semnalelor folosite, natura datelor folosite, tipul funcției de activare, prezența memoriei. Dar cel mai utilizat model este modelul aditiv. Există numeroase modalități de interconectare a neuronilor elementari, dar pot fi identificate două clase de arhitecturi: Un dezavantaj al rețelelor neurale îl constituie lipsa teoriei care să precizeze tipul rețelei și numărul de neuroni elementari, precum și modalitatea de interconectare. Există câteva tehnici de tip "pruning" sau de tip "learn and grow", dar acestea sunt în intense cercetări. Principala deosebire a rețelelor
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
îl constituie lipsa teoriei care să precizeze tipul rețelei și numărul de neuroni elementari, precum și modalitatea de interconectare. Există câteva tehnici de tip "pruning" sau de tip "learn and grow", dar acestea sunt în intense cercetări. Principala deosebire a rețelelor neurale față de alte sisteme (electronice) de prelucrare a informațiilor îl constituie capacitatea de învățare în urma interacțiunii cu mediul înconjurător, și îmbunătățirii performanțelor. O reprezentare corectă a informațiilor, care să permită interpretarea, predicția și răspunsul la un stimul extern, poate permite rețelei
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
unui gen de competiție între neuronii elementari). În ultima perioadă se remarcă încă o clasă de algoritmi, algoritmii de învățare folosind un critic, rezultați în urma observațiilor experimentale făcute pe animale, acestia fiind de tipul recompensă/pedeapsă. Domeniile în care rețelele neurale realizează modele eficiente sunt : Astfel de implementări ale rețelelor neurale, legate de sectorul "bussines" se întâlnesc în: Rețele neurale folosind algoritmi genetici pot fi folosite în controlul roboților industriali. Un alt domeniu de interes pentru rețelele neurale este medicina și
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
se remarcă încă o clasă de algoritmi, algoritmii de învățare folosind un critic, rezultați în urma observațiilor experimentale făcute pe animale, acestia fiind de tipul recompensă/pedeapsă. Domeniile în care rețelele neurale realizează modele eficiente sunt : Astfel de implementări ale rețelelor neurale, legate de sectorul "bussines" se întâlnesc în: Rețele neurale folosind algoritmi genetici pot fi folosite în controlul roboților industriali. Un alt domeniu de interes pentru rețelele neurale este medicina și sistemele biomedicale. În acest moment se utilizează rețele neurale pentru
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
învățare folosind un critic, rezultați în urma observațiilor experimentale făcute pe animale, acestia fiind de tipul recompensă/pedeapsă. Domeniile în care rețelele neurale realizează modele eficiente sunt : Astfel de implementări ale rețelelor neurale, legate de sectorul "bussines" se întâlnesc în: Rețele neurale folosind algoritmi genetici pot fi folosite în controlul roboților industriali. Un alt domeniu de interes pentru rețelele neurale este medicina și sistemele biomedicale. În acest moment se utilizează rețele neurale pentru descoperirea de boli, prin recunoașterea unor tipare de pe cardiograme
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
în care rețelele neurale realizează modele eficiente sunt : Astfel de implementări ale rețelelor neurale, legate de sectorul "bussines" se întâlnesc în: Rețele neurale folosind algoritmi genetici pot fi folosite în controlul roboților industriali. Un alt domeniu de interes pentru rețelele neurale este medicina și sistemele biomedicale. În acest moment se utilizează rețele neurale pentru descoperirea de boli, prin recunoașterea unor tipare de pe cardiograme, ș.a. Studiul rețelelor neurale a cunoscut perioade în care activitatea de cercetare a fost extrem de intensă și perioade
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
rețelelor neurale, legate de sectorul "bussines" se întâlnesc în: Rețele neurale folosind algoritmi genetici pot fi folosite în controlul roboților industriali. Un alt domeniu de interes pentru rețelele neurale este medicina și sistemele biomedicale. În acest moment se utilizează rețele neurale pentru descoperirea de boli, prin recunoașterea unor tipare de pe cardiograme, ș.a. Studiul rețelelor neurale a cunoscut perioade în care activitatea de cercetare a fost extrem de intensă și perioade în care acesta domeniu de cercetare a fost declarat complet „mort”, pentru ca
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
pot fi folosite în controlul roboților industriali. Un alt domeniu de interes pentru rețelele neurale este medicina și sistemele biomedicale. În acest moment se utilizează rețele neurale pentru descoperirea de boli, prin recunoașterea unor tipare de pe cardiograme, ș.a. Studiul rețelelor neurale a cunoscut perioade în care activitatea de cercetare a fost extrem de intensă și perioade în care acesta domeniu de cercetare a fost declarat complet „mort”, pentru ca apoi să revină în centrul atenției, atât în rândul cercetătorilor cât și a publicului
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
învățare prin modificarea ponderilor sinaptice. În anii 1950 apare și prima aplicație practică, Frank Rosenblatt realizează o implementare hard, numită "perceptron", utilizată în recunoașterea caracterelor. Tot în anii 1950 Bernard Windrow și Ted Hoff dezvoltă algoritmi de învățare pentru rețele neurale liniare cu un singur nivel de unități funcționale. Algoritmii lor sunt bazați pe minimizarea erorii pe setul de date de antrenare. În anul 1969 Marvin Minsky și Seymor Papert publică cartea "Perceptrons" care pune în evidență limitările la care sunt
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
un singur nivel de unități funcționale. Algoritmii lor sunt bazați pe minimizarea erorii pe setul de date de antrenare. În anul 1969 Marvin Minsky și Seymor Papert publică cartea "Perceptrons" care pune în evidență limitările la care sunt supuse rețelele neurale cu un singur nivel de unități funcționale. Acesta părea a fi sfârșitul rețelelor neurale. Publicarea acestui material, corelată cu lipsa unor echipamente de calcul digital suficient de puternice, face ca o mare parte din companiile care investeau în cercetările din
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
setul de date de antrenare. În anul 1969 Marvin Minsky și Seymor Papert publică cartea "Perceptrons" care pune în evidență limitările la care sunt supuse rețelele neurale cu un singur nivel de unități funcționale. Acesta părea a fi sfârșitul rețelelor neurale. Publicarea acestui material, corelată cu lipsa unor echipamente de calcul digital suficient de puternice, face ca o mare parte din companiile care investeau în cercetările din acest domeniu să se reorienteze, iar o mare parte dintre cercetători își abandonează studiul
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
mai liniștiți și doar câțiva cercetători mai sunt cu adevărat activi în domeniu. Printre ei merită amintiți Teuvo Kohonen, Sames Anderson precum și Stephen Grossberg (foarte activ în cercetarea rețelelor cu auto-organizare). Anii 1980 aduc, pe lângă noi descoperiri în domeniul rețelelor neurale, și calculatoare digitale mai puternice capabile să ajute cercetătorii în demersurile lor. Astfel că la începutul anilor 1980, odată cu o nouă abordare a rețelelor folosind formalismul fizicii statistice prin punerea în evidență a analogiei între rețelele recurente (destinate memorării asociative
Rețea neurală () [Corola-website/Science/298019_a_299348]
-
audio este destinată reducerii mărimii fișierelor audio. Algoritmii de comprimare audio se referă la codec-urile audio. Compresia video este procedeul prin care se reduce cantitatea de date utilizate pentru prezentarea de imagini video. Compresia cu fractali și compresia cu rețele neurale sunt două din compresiile lossy folosite în compresia imaginilor. Se mai numește și metodă de compresie reversibilă sau cu păstrarea biților. La decodificare se obțin exact datele inițiale. Acest gen de codificare este cel mai întâlnit și se aplică în
Compresie de date () [Corola-website/Science/312664_a_313993]
-
scurte,spatele arcuit și membrele posterioare mai lungi,caracteristice celorlalte stegosauride.Aveau cam 15 perechi de plăci pe spate.Coada nu era atât de lungă și de substanțială ca la Kentrosaurus,dar era totuși impresionantă,cu proiecițile verticale numiți spini neurali,cei din partea de jos numiți galoane,și cele două perechi de țepi caudali situați aproape de capăt.Mai multe alte stegosauride aveau de asemenea acești patru țepi,așa că,probabil,reprezentau o caracteristică eficientă-fiind folosiți probabil ca arme pentru auto-apărare.Coada era
Tuojiangosaurus () [Corola-website/Science/311878_a_313207]
-
destinate nucleilor echivalenți sau proprii. Trunchiul cerebral reprezintă și un punct de trecere pentru fascicule ascendente și descendente, o parte dintre ele formând decusații la acest nivel. Trunchiul cerebral, ca și restul segmentelor sistemului nervos central, se dezvoltă din tubul neural. La polul rostral, tubul neural va dezvolta o serie de 3 vezicule: prozencefalul, mezencefalul și rombencefalul. Prozencefalul și rombencefalul se vor divide la rândul lor în câte două vezicule fiecare. Din prozencefal se va forma telencefalul și diencefalul. Din rombencefal
Trunchi cerebral () [Corola-website/Science/312857_a_314186]
-
Trunchiul cerebral reprezintă și un punct de trecere pentru fascicule ascendente și descendente, o parte dintre ele formând decusații la acest nivel. Trunchiul cerebral, ca și restul segmentelor sistemului nervos central, se dezvoltă din tubul neural. La polul rostral, tubul neural va dezvolta o serie de 3 vezicule: prozencefalul, mezencefalul și rombencefalul. Prozencefalul și rombencefalul se vor divide la rândul lor în câte două vezicule fiecare. Din prozencefal se va forma telencefalul și diencefalul. Din rombencefal se vor forma metencefalul și
Trunchi cerebral () [Corola-website/Science/312857_a_314186]
-
doar în stadiul de larvă. La acraniate ea este prezentă toată viața. La cordatele mai dezvoltate, coarda este înlocuită de coloana vertebrală. De scheletul axial sunt atașate centurile și de acestea membrele. O altă trăsătură distinctivă o constituie prezența tubului neural dorsal, situat deasupra coardei sau în interiorul coloanei vertebrale. La majoritatea cordatelor partea anterioară a tubului nervos este voluminoasă și se numește creier. În faringe sunt amplasate fantele branhiale, foarte bine exprimată la pești, cefalocordate și care sunt prezente la restul
Cordate () [Corola-website/Science/305099_a_306428]
-
căreia ele se încarcă progresiv cu keratină. Melanocitele elaborează pigmentul melanic, care, eliberat din ele, este stocat atât în celulele epidermice (mai ales în stratul bazal) cât și în macrofagele dermice, care astfel devin melanofore. Embriologic, ele provin din creasta neurală sub forma de metaboliști care în cursul primelor luni de viață fetală migrează spre unele regiuni din sistemul nervos central (tuber cinereum, locus niger etc.), în peritoneu și în piele. În piele se așază între celulele bazale. Stratul bazal (sau
Piele (anatomie) () [Corola-website/Science/304767_a_306096]
-
Product of the Year" în testele AV-Comparatives pentru a doua oară, pentru rezultate remarcabile în protecție, utilizare și impact minim asupra resurselor calculatorului. Versiunea 2015 a fost lansată în România pe 5 august 2014. Bitdefender Antispam NeuNet sau pe scurt „Neural Network” este un filtru antispam pre-instruit de către Antispam Bitdefender Lab, astfel încât acesta să recunoască spam-ul nou prin identificarea asemănărilor cu mesajele pe care le-a examinat deja. În mai 2006 a introdus o nouă tehnologie, B-HAVE (acum patentată), pentru a
BitDefender () [Corola-website/Science/313137_a_314466]
-
în Neurosurgery, Editură INTECH, 2011; 49. Funcțional Neuroanatomy of the Brain (3 volumes), Editura Didactica și Pedagogica București, 2012; 50. Clinical Management and Evolving Novel Therapeutic Strategies for Patients with Brain Tumors, Chap. 22 - Contribution to the understanding of the Neural Basis of the Consciousness , Editura INTECH, 2013; 51. The cordocytes of the Human Brain- An atlas of light and electron microscopy, ARS Academică, 2014; 52. Tratat de Neuropsihologie, vol. I și ÎI, Editura Medicală, 2015. 53. Funcțional Neuroanatomy of the
Leon Dănăilă () [Corola-website/Science/313253_a_314582]
-
1, 5-7, 2013; "Cordocytes - Stem Cells Cooperation în the Human Brain with emphasis on pivotal role of cordocytes în perivascular areas of broken and thrombosed vessels", în revista americană Ultrastructural Pathology 37 (6) 426-432, 2013 "Contribution to understanding of the neural basia of the consciousness," în Brain Tumors (Capitolul 22, pp 473-520, 2013) și The cordocyte, în revistă Proc Rom Acad, Series B 16 (2); 83-102, 2014. Din 2007 până în 2011 a fost membru în Comitetul Director al celor trei programe
Leon Dănăilă () [Corola-website/Science/313253_a_314582]