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

..........1 Neural network with one inner neural layer ([9]) ............... 5..........................................................1 The Hamming window ...............15 Fig............... 3...............5 Total error for network ([4])............................................. 2.............. 2.....................24 Fig............ 2....... 4..................... 4......................................2 Body function control neurons ([2]).....12 Fig....3 The first four letters the alphabet ([4]).14 Fig............. 4....... 2...............................................................................23 Fig.......................................3 The forward pass (based [10]).............................................16 Fig..............7 Fig.................3 Berenji´s ARIC architecture ([8])...................36 ..........2 Flow chart ANFIS .................................................1 The first model fuzzy neural network ([8])....... 5................................................................................23 Fig...............6 Fig..........2 standard ANFIS architecture ([10]).......................................7 Threshold and Sigmoid function ([3])...................... 2......................................4 Fig.......2 The second model fuzzy neural network ([8])...........................26 Fig.........3 Fig...................................................................................................... 5.............9 Fig..................... 6....................................1 biological neuron ([2])................... 2....19 Fig....................1 two-input first-order Sugeno fuzzy model ([10])........ 7...............................4 The synapse ([2])................ 5...................4 The backward pass ([10])........................................2 Gradient method ([4]) ..........LIST FIGURES Fig................5 neural net with simple processors connected together ([2]).............................2 Fig...........1 Flow chart the Neural Network ................................30 Fig....................................6 Fig.....20 Fig................ 2................................................................. 3..3 The action potential ([2])...........................35 Fig.....................................................................................5 Fig....................................4 The first correctly working algorithm ([4]). 3...................... 3................ 7. 3.20 Fig...................................................6 basic artificial neuron ([3]) .........

---

---