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....................................................36 ..................................2 Fig.......12 Fig.....................................4 The backward pass ([10])................3 The first four letters the alphabet ([4]).....24 Fig............................................... 3.....................30 Fig.5 Fig....... 2.. 3........................................ 3.....................................2 standard ANFIS architecture ([10]).........3 The action potential ([2])......................................................................................26 Fig.................2 Flow chart ANFIS .................................................................................................. 2................3 Fig.......................... 3.........19 Fig.........................................................................................9 Fig.14 Fig.....3 Berenji´s ARIC architecture ([8])..4 The synapse ([2]).. 2........6 Fig...4 Fig...........20 Fig.............. 4.........................2 Gradient method ([4]) .......... 5....2 Body function control neurons ([2])....7 Threshold and Sigmoid function ([3])............................ 7...35 Fig..............................1 two-input first-order Sugeno fuzzy model ([10]).............6 Fig....................................LIST FIGURES Fig................................................... 7. 2.....................4 The first correctly working algorithm ([4])................7 Fig....................... 2....................... 4........................ 5........2 The second model fuzzy neural network ([8])............................3 The forward pass (based [10])..... 5.... 2.......................................................................... 5...................................................5 neural net with simple processors connected together ([2])................................. 6.6 basic artificial neuron ([3]) .................................15 Fig............... 2...............................1 The Hamming window .....20 Fig...............5 Total error for network ([4]).....1 The first model fuzzy neural network ([8]).1 Neural network with one inner neural layer ([9]) .......................................................................23 Fig...........................1 Flow chart the Neural Network .........1 biological neuron ([2])......................................................................................................16 Fig..... 3......23 Fig...................

---

---