Vis enkel innførsel

dc.contributor.advisorDowning, Keith
dc.contributor.advisorDunn, Benjamin Adric
dc.contributor.authorAntonsen, Mikkel
dc.date.accessioned2016-09-02T14:00:34Z
dc.date.available2016-09-02T14:00:34Z
dc.date.created2016-03-30
dc.date.issued2016
dc.identifierntnudaim:12213
dc.identifier.urihttp://hdl.handle.net/11250/2404035
dc.description.abstractI 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.languagenob
dc.publisherNTNU
dc.subjectInformatikk, Kunstig intelligens og læring
dc.titleKunstige nevrale nettverk for deteksjon av aksjonspotensialer i kalsiumbildedata
dc.typeMaster thesis
dc.source.pagenumber52


Tilhørende fil(er)

Thumbnail
Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel