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

---

---