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

....4 The synapse ([2])........................... 3..............................................................1 The Hamming window .2 The second model fuzzy neural network ([8]).......4 The first correctly working algorithm ([4])................... 3.............. 2...................................................20 Fig............. 2...........................................................................4 Fig... 2............................................ 7............... 4......................19 Fig.......... 5.................2 Body function control neurons ([2])............................1 Flow chart the Neural Network .............................3 Fig......... 3..........................2 Flow chart ANFIS .........26 Fig...5 neural net with simple processors connected together ([2])....2 Fig........................... 2..... 4................................................................. 2.........................................24 Fig..........................LIST FIGURES Fig....... 3...............................................................12 Fig........................6 Fig.......3 The action potential ([2])..............9 Fig...............................23 Fig......................................... 5. 5.........5 Total error for network ([4])..........................1 The first model fuzzy neural network ([8])...........16 Fig..............1 Neural network with one inner neural layer ([9]) ............ 4..............6 basic artificial neuron ([3]) ....................................................................15 Fig................. 3............................3 The first four letters the alphabet ([4])................20 Fig...................................................36 .........6 Fig..............................................................2 standard ANFIS architecture ([10])............7 Threshold and Sigmoid function ([3]).. 2.............................5 Fig.........23 Fig....3 The forward pass (based [10])...............................................................................................................3 Berenji´s ARIC architecture ([8])................................. 7.35 Fig.......30 Fig..........1 biological neuron ([2])................. 5........................ 2.....................2 Gradient method ([4]) ................................. 6.7 Fig...............................................4 The backward pass ([10]).........................................................................14 Fig...............1 two-input first-order Sugeno fuzzy model ([10])............

---

---