Kunstige nevrale nettverk for deteksjon av aksjonspotensialer i kalsiumbildedata
dc.contributor.advisor | Downing, Keith | |
dc.contributor.advisor | Dunn, Benjamin Adric | |
dc.contributor.author | Antonsen, Mikkel | |
dc.date.accessioned | 2016-09-02T14:00:34Z | |
dc.date.available | 2016-09-02T14:00:34Z | |
dc.date.created | 2016-03-30 | |
dc.date.issued | 2016 | |
dc.identifier | ntnudaim:12213 | |
dc.identifier.uri | http://hdl.handle.net/11250/2404035 | |
dc.description.abstract | I oppgaven blir forskjellige nettverksarkitekturer og regulariseringsteknikker for kunstige nevrale nettverk undersøkt for om de kan brukes til å finne den underliggende årsaken til kalsiumbildedata. En arkitektur som greier å løse oppgaven blir sammenlignet med en etablert metode. Fast-OOPSI blir vist til å fungere bedre på simulert data mens det kunstige nevrale nettet fungerer bedre på ekte data. | |
dc.language | nob | |
dc.publisher | NTNU | |
dc.subject | Informatikk, Kunstig intelligens og læring | |
dc.title | Kunstige nevrale nettverk for deteksjon av aksjonspotensialer i kalsiumbildedata | |
dc.type | Master thesis | |
dc.source.pagenumber | 52 |