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