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
Fig. .1 The first model fuzzy neural network ([8])  multi-layered neural network drives the fuzzy inference mechanism [8]. The neural network can adapted (trained) yield desired command outputs decisions [8]. 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. 4.19 computational process for fuzzy neural systems starts with the development fuzzy neuron, based the understanding biological neuron and the learning mechanisms