Incorporating Temporal Delays in Neural Networks for Enhanced Dynamic and Learning Performance in Time-Sensitive Tasks
- Promovendus/a
- Sun, Pengfei
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Informatietechnologie
- Curriculum
- Master of Science (Electrical Engineering), National University of Singapore (Singapore), 2019
- Academische graad
- Doctor in de ingenieurswetenschappen: computerwetenschappen
- Taal proefschrift
- Engels
- Vertaling titel
- Het integreren van temporele vertragingen in neurale netwerken voor verbeterde dynamische prestaties en leerprestaties bij tijdgevoelige taken
- Promotor(en)
- prof. Dick Botteldooren, vakgroep Informatietechnologie - prof. Paul Devos, vakgroep Informatietechnologie
- Examencommissie
- voorzitter prof. Filip De Turck (academisch secretaris) - prof. Joni Dambre, vakgroep Elektronica en Informatiesystemen - prof. Nilesh Madhu, vakgroep Elektronica en Informatiesystemen - prof. Hugo Van hamme, KU Leuven - prof. Jibin Wu, The Hong Kong Polytechnic University, Hong Kong (SAR China) - promotor prof. Dick Botteldooren, vakgroep Informatietechnologie - promotor prof. Paul Devos, vakgroep Informatietechnologie
Korte beschrijving
Dit proefschrift introduceert een innovatief model dat vertragingen integreert in netwerken op basis van rate neurale netwerken en spiking neurale netwerken, geïnspireerd door de vertragingmechanismen in biologische systemen zoals het brein. Deze vertragingen verbeteren het vermogen van het netwerk om complexe temporele informatie te verwerken. Een belangrijk kenmerk is de dynamische aard van de vertraging, die kan worden aangepast aan de specifieke eisen van de taak, wat meer flexibiliteit en efficiëntie biedt bij het leren van temporele relaties. Daarnaast verkent het proefschrift een verbeterde vertragingverdeling en introduceert het een adaptieve vertragingstrainingstrategie, die het mogelijk maakt om vertragingen per laag dynamisch aan te passen tijdens de training. Dit verhoogt de efficiëntie door het optimaliseren van beschikbare middelen. Verder introduceert het proefschrift een parametervrije aandachtmechanisme (PfA), dat de prestaties verbetert zonder extra rekenkracht. De methoden zijn getest in EEG-decoderingstaken, waarbij de biologische plausibiliteit werd aangetoond. De experimenten tonen aan dat het vertragingmechanisme het tijdsverschil tussen audiovisuele stimulatie en hersenrespons kan simuleren, wat suggereert dat het model effectief is voor kunstmatige taken zoals spraakverwerking en EEG-decodering, en biologisch relevant is.
Praktisch
- Datum
- Woensdag 14 mei 2025, 16:30
- Locatie
- auditorium 1, iGent (eerste verdieping), Technologiepark 15, 9052 Zwijnaarde
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@ugent.be