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 8 z 67

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

Jak získat tento dokument?






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