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

............ 4...30 Fig..............................................................................3 The forward pass (based [10])....... 3.............3 The action potential ([2])............6 Fig.......4 The synapse ([2]).......4 Fig..................26 Fig..................................................................................................................9 Fig.......................2 Gradient method ([4]) ........ 3...............................................24 Fig.......................2 Body function control neurons ([2]).......23 Fig.........1 Neural network with one inner neural layer ([9]) . 2.20 Fig.............................19 Fig.............. 5...............20 Fig....... 3...............................................................................2 The second model fuzzy neural network ([8])....... 2.......................15 Fig......1 The first model fuzzy neural network ([8])...5 neural net with simple processors connected together ([2]).......... 2.................................4 The backward pass ([10]).........2 standard ANFIS architecture ([10])............. 5................................... 5..................23 Fig.......................................2 Fig................36 ........ 2.........................2 Flow chart ANFIS ......................1 two-input first-order Sugeno fuzzy model ([10])................................7 Fig........................................................ 2.3 Berenji´s ARIC architecture ([8])... 4...5 Total error for network ([4]).............................................5 Fig...............................16 Fig.. 5.......................................................................... 7....................................................................................3 The first four letters the alphabet ([4])......................35 Fig..............................12 Fig......... 4........................6 basic artificial neuron ([3]) .... 7...1 biological neuron ([2])................................ 6........................4 The first correctly working algorithm ([4])............ 3................................LIST FIGURES Fig................................................................................... 3..................................1 The Hamming window ...........6 Fig.......3 Fig......... 2................................... 2.....................................................14 Fig.....................................1 Flow chart the Neural Network ..........................7 Threshold and Sigmoid function ([3]).......................

---

---