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

....5 Total error for network ([4]).....................................................5 neural net with simple processors connected together ([2]).......................................................................................15 Fig........................................................ 7..... 3....1 Neural network with one inner neural layer ([9]) . 5........................1 The first model fuzzy neural network ([8]).................. 3........................................................ 3.............. 7.......................7 Threshold and Sigmoid function ([3]).......................................................................................................................................... 6........2 Gradient method ([4]) ..................................................... 2.......................2 Body function control neurons ([2])....................... 5..............3 The action potential ([2])........................................................................................... 3..............................................................1 The Hamming window ...........................................7 Fig..........................................3 The first four letters the alphabet ([4])............... 2.......... 2.....................35 Fig.............................3 Fig......19 Fig.. 2...23 Fig................3 The forward pass (based [10])..............24 Fig................ 2...2 The second model fuzzy neural network ([8]). 5.... 3..........................................................................16 Fig..................1 Flow chart the Neural Network .......... 5.5 Fig.36 ....................................................................................1 two-input first-order Sugeno fuzzy model ([10])............................3 Berenji´s ARIC architecture ([8])...............4 Fig.................................20 Fig....................LIST FIGURES Fig....................... 4.............4 The first correctly working algorithm ([4]).................. 2.2 Flow chart ANFIS ..........4 The synapse ([2])..............................9 Fig....2 Fig......... 2................12 Fig........................... 4..........................23 Fig....4 The backward pass ([10])............1 biological neuron ([2])............. 4.....................2 standard ANFIS architecture ([10])..........14 Fig.................6 Fig.........................20 Fig......6 Fig.............26 Fig...........................30 Fig......................6 basic artificial neuron ([3]) .............................

---

---