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 4 z 67

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

Jak získat tento dokument?






Poznámky redaktora
Základy fuzzy logiky, včetně jejich výhod nevýhod, jsou rovněž prezentovány. KEYWORDS neuron, artificial neural networks, action potential, backpropagation algorithm, fuzzy logic, fuzzy neural network, adaptive neuro-fuzzy inference system . These techniques provide effective methods neural network learning. zde důkladně popsána struktura funkce neuronů ukázán nejpoužívanější algoritmus pro učení neuronů. The structure and the operation neurons are thoroughly described and the most widely used algorithm for neuron training shown well the basics fuzzy logic including its advantages and disadvantages. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.ABSTRAKT Práce popisuje základy principu funkčnosti neuronů vytvoření umělých neuronových sítí. This work fully describes the backpropagation algorithm and the adaptive neuro-fuzzy inference system. KLÍČOVÁ SLOVA neuron, umělé neuronové sítě, akční potenciál, algoritmus zpětného šíření chyb, fuzzy logika, fuzzy-neuronová síť, adaptivní neuro-fuzzy inferenční systém ABSTRACT This work describes the principle operation neurons and how they form artificial neural networks. Detailněji popsán algoritmus zpětného šíření chyb adaptivní neuro-fuzzy inferenční systém