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.

Strana 8 z 67

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

Více info o tomto dokumentu zde!

Jak získat tento dokument?

Poznámky redaktora

.....................4 The backward pass ([10])..............19 Fig......................3 The forward pass (based [10])........................................................................1 biological neuron ([2])..........................................................................6 Fig................3 Fig............................................................................5 Total error for network ([4])......................... 4......14 Fig........................................................................1 Flow chart the Neural Network ..............................................................................23 Fig......4 The first correctly working algorithm ([4])............................................................ 2.............. 3................................2 The second model fuzzy neural network ([8]).......................3 The action potential ([2]).............................................2 standard ANFIS architecture ([10]).......................................................1 Neural network with one inner neural layer ([9]) ......................... 7.......2 Fig...... 5. 2...............3 Berenji´s ARIC architecture ([8]).36 ................ 5..........................................4 The synapse ([2])......3 The first four letters the alphabet ([4]).6 basic artificial neuron ([3]) .......... 4.....................1 The Hamming window ....................23 Fig................................................ 4....................................................9 Fig............................5 Fig..............20 Fig..... 3...................... 5............30 Fig..........................1 The first model fuzzy neural network ([8])..2 Gradient method ([4]) ............6 Fig.. 2.........2 Flow chart ANFIS ...............................16 Fig........................................................ 2........... 2....12 Fig......LIST FIGURES Fig.........15 Fig..............5 neural net with simple processors connected together ([2]).......7 Fig................................................................................................................ 7..........................1 two-input first-order Sugeno fuzzy model ([10]).......................................20 Fig............................ 2........... 3...... 3..... 6......................4 Fig......... 2...........................................26 Fig..2 Body function control neurons ([2])..... 5....7 Threshold and Sigmoid function ([3]).............................24 Fig............................ 3..............35 Fig.......

---

---