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 57 z 67

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

Jak získat tento dokument?






Poznámky redaktora
org/journals/circuitssystemssignal/2008., DIAS, F. Introduction Neuro-Fuzzy Systems.naun. [4] MACLEOD, Christopher. Dostupný http://ece. Advances Soft Computing Series, Springer-Verlag, Berlin/Heildelberg, 2000. [10] RAHMAT, Basuki; JOELIANTO, Endra. Introduction Practical Neural Networks and Genetic Algorithms For Engineers and Scientists, 2004. 2008, vol. CRC Press, CRC Press LLC, 1998. [cit. Dostupný http://www. ISSN 0974-0635. Fusion Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications. [6] FULLÉR, Robert. Ltd.C. Åbo Akademis tryckeri, Åbo, ESF Series A:443, 1995. [5] JAIN, L., ELTOKHY, M. 1993, vol., 249 ISBN 951-650-624-0, ISSN 0358-5654., ELSEHELY, E. Autumn 2008, Vol. Introduction Practical Neural Networks and Genetic Algorithms For Engineers and Scientists, 2004. [3] MACLEOD, Christopher. Neural Fuzzy Systems.M., 2004.ut. [8] FULLÉR, Robert. WSEAS TRANSACTIONS SYSTEMS.; MARTIN, N. Fuzzy Neural Network Theory and Application. Series in Machine Perception and Artificial Intelligence Vol. Chapter Artificial Neural Networks, 6-15. Studijní materiály pro distanční kurz: Neuronové sítě Ostravská univerzita Ostravě, Přírodovědecká fakulta. MOTA, Neuro-Fuzzy Systems: Survey. [12] ELWAKDY, M. The MIT Press, 1996. Chapter The Back Propagation Algorithm, 16-27. issue 414-419.pdf . [2] MACLEOD, Christopher. Adaptive Neuro Fuzzy Inference System (ANFIS) with Error Backpropagation Algorithm using Mapping Function. 23, no., 289 ISBN 3- 7908-1256-0.ir/Classpages/S86/ECE406/Papers/ANFIS.48 REFERENCES [1] VIERA, J. Neuronové sítě Ostrava, 2002. International Journal Artificial Intelligence. Number A08, s. Speech Recognition using Wavelet Transform Establish Fuzzy Inference System through Substractive Clustering and Neural Network (ANFIS). Pte. Chapter An introduction Neural Networks, 1-5. ISBN 0-262-11212-4.ac. issue [cit., 376 ISBN 981-238-786-2., 368 ISBN 0849398045. [11] KASABOV, Nikola Foundations Neural Networks, Fuzzy Systems, and Knowledge Engineering. IEEE TRANSACTIONS SYSTEMS, MAN, AND CYBERNETICS [online]. [9] VOLNÁ, Eva. 2012-04-11]. ISSN 1998-4464.htm [13] JANG, Jyh-Shing ANFIS: Adaptive-Network-Based Fuzzy Inference System. April 2004, vol.M. 3-8. [7] LIU, Puyin; LI, Hongxing. 2012-04-15]. INTERNATIONAL JOURNAL CIRCUITS, SYSTEMS and SIGNAL PROCESSING [online]. Introduction Practical Neural Networks and Genetic Algorithms For Engineers and Scientists, 2004., ELHENNAWY, A. 59, World Scientific Publishing Co. ISSN 1109-2777