Klasifikace vzorů pomocí fuzzy neuronových sítí

| 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.

Strana 15 z 67

Vámi hledaný text obsahuje tato stránku dokumentu který není autorem určen k veřejnému šíření.

Více info o tomto dokumentu zde!

Jak získat tento dokument?

Poznámky redaktora

1) . 2.5 neural net with simple processors connected together ([2]) The most important advantage neural networks probably their adaptivity, which allows perform well even situations when the system the environment being controlled varies over time.1 The basic Artificial Neuron A basic artificial neuron shown Figure 2. Individual markings have the following meaning: i …inputs the neuron w …represents the strength the synaptic connection its dendrite S …activity activation the neuron (sum the inputs and their weights) Fig. 2.6 basic artificial neuron ([3]) Mathematical expression artificial neuron the following: 44332211 wiwiwiwiS  (2.6. 2.6 Fig.4

---

---