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