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

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

---

---