|
Kategorie: Diplomové, bakalářské práce |
Tento dokument chci!
Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.
actually simplified mathematical model of
brain-like systems.
The Artificial Neural Network (neural net ANN) collection simple
processors connected together [2].3 Learning
Spot where the end the axon meets the dendrites the next neuron is
called the Synapse, and important the functioning the neuron and to
learning [2].4. Between this and the next cell
is few tens nanometers wide gap, called the synaptic cleft. more often the synapse used, the stronger gets.
Fig. Most the
artificial neural networks are based their model this day. Each processor can only perform very simple mathematical
function its own, but with large network them much greater capabilities can be
achieved. 2.5. The enlargement this area illustrated Figure 2.
2. These cross the cleft and
stimulate the next cell [2].4 Artificial neural networks
The history artificial neural networks goes back 1943, when Warren
McCulloch and Walter Pitts designed simple artificial model neuron. When the action
potential reaches the end the axon, stimulates the release chemicals called
neurotransmitters, which are present the synaptic bulb.
.5
2. The basic conception presented Figure 2.4 The synapse ([2])
The end the axon called the synaptic bulb
