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 24 z 67

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

Jak získat tento dokument?






Poznámky redaktora
15 Fig. this case, the network keeps training all the patterns repeatedly until the total error falls some pre-determined low target value and then it stops [4].3 Stop the training An important question is: when the training needs stopped? practice, it is usual let the error fall lower value, then wait until the network recognizes all the letters successfully. 3.5 shows the calculation method. 3. such a way, the network learns recognize the first letter, then forget and learn the second letter, etc. Let´s not forget that all errors needs made positive. Figure 3. and the end the network would remember only the last letter. .4 The first correctly working algorithm ([4]) Beginners often make mistake reducing the errors for each letters individually (apply the first letter the network, run the algorithm and then repeat it until the error reduces, then apply the second letter, the same, and on)