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 28 z 67

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

Jak získat tento dokument?






Poznámky redaktora
19 computational process for fuzzy neural systems starts with the development fuzzy neuron, based the understanding biological neuron and the learning mechanisms. 4. The neural network can adapted (trained) yield desired command outputs decisions [8]. . Fig. This leads the following steps:  development fuzzy neural models motivated biological neurons [6]  models synaptic connections which incorporates fuzziness into neural network [6]  development learning algorithms (that the method adjusting the synaptic weights) [6] Two possible models fuzzy neural networks are:  response linguistic statements, the fuzzy interface block provides input vector multi-layer neural network.1 The first model fuzzy neural network ([8])  multi-layered neural network drives the fuzzy inference mechanism [8]