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