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