|
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.
The enlargement this area illustrated Figure 2. more often the synapse used, the stronger gets. Each processor can only perform very simple mathematical
function its own, but with large network them much greater capabilities can be
achieved.
2.4 Artificial neural networks
The history artificial neural networks goes back 1943, when Warren
McCulloch and Walter Pitts designed simple artificial model neuron. The basic conception presented Figure 2.5.5
2. These cross the cleft and
stimulate the next cell [2].
The Artificial Neural Network (neural net ANN) collection simple
processors connected together [2]. Most the
artificial neural networks are based their model this day. actually simplified mathematical model of
brain-like systems.
Fig. 2.
. Between this and the next cell
is few tens nanometers wide gap, called the synaptic cleft. When the action
potential reaches the end the axon, stimulates the release chemicals called
neurotransmitters, which are present the synaptic bulb.4.4 The synapse ([2])
The end the axon called the synaptic bulb.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]
