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.

Vydal: FCC Public s. r. o. Autor: Tamás Ollé

Strana 15 z 67

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

Jak získat tento dokument?






Poznámky redaktora
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.4.6 Fig. 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.1) .6 basic artificial neuron ([3]) Mathematical expression artificial neuron the following: 44332211 wiwiwiwiS  (2.6. 2.1 The basic Artificial Neuron A basic artificial neuron shown Figure 2. 2