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