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

---

---