|
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.
ABSTRAKT
Práce popisuje základy principu funkčnosti neuronů vytvoření umělých neuronových sítí. 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.
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. These techniques provide effective methods neural
network learning. 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
.
Detailněji popsán algoritmus zpětného šíření chyb adaptivní neuro-fuzzy inferenční systém. This work fully describes the backpropagation algorithm and the
adaptive neuro-fuzzy inference system
