|
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.
2009]. Dr. 2005 (4) 32-34
Termín zadání: 6. Texas A&M University, 2004 [cit.1/436.VYSOKÉ UČENÍ
TECHNICKÉ BRNĚ
Fakulta elektrotechniky
a komunikačních technologií
Ústav radioelektroniky
Diplomová práce
magisterský navazující studijní obor
Elektronika sdělovací technika
Student: Bc.2012 Termín odevzdání: 10.tamu.12.
Vytvořte učební množinu pro neuronovou síť., TAUFER, Umělé neuronové sítě základy teorie aplikace.
[2] DRÁBEK, O.2012
Vedoucí práce: Ing. Tamás Ollé ID: 83398
Ročník: Akademický rok: 2011/2012
NÁZEV TÉMATU:
Klasifikace vzorů pomocí fuzzy neuronových sítí
POKYNY PRO VYPRACOVÁNÍ:
Prostudujte principy fuzzy logiky umělých neuronových sítí. Navrhněte neuronovou síť, která je
kombinací fuzzy systému zvoleného typu neuronové sítě. Ing. Navržený systém naprogramujte prostředí MATLAB s
použitím toolboxu Parallel Computing Toolbox otestujte úloze klasifikace vzorů.
Získané výsledky porovnejte výsledky získanými pomocí vybraných typů neuronových sítí bez použití
fuzzy logiky.
Chemagazín. 18.edu/1969.2., SEIDL, P.
DOPORUČENÁ LITERATURA:
[1] VASILIC, Fuzzy neural network pattern recognition algorithm for classification the events in
power system networks [online]. Jitka Svobodová
Konzultanti diplomové práce:
prof.8. Dostupné www:
http://handle. Zbyněk Raida
Předseda oborové rady
