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

............................................................................6 Fig............. 7............................................36 ..................... 6...........................................................................................................................................2 standard ANFIS architecture ([10])..........2 Flow chart ANFIS ..3 The first four letters the alphabet ([4])......1 The Hamming window .....................9 Fig...................LIST FIGURES Fig...................................................................19 Fig....................20 Fig....................4 The synapse ([2]).........3 Fig......................3 Berenji´s ARIC architecture ([8])...........................2 Body function control neurons ([2]).15 Fig................................. 4............... 2....... 2.........................4 Fig..................................................................16 Fig.........................................................................................1 Flow chart the Neural Network ................... 3...... 7...........................................................................1 two-input first-order Sugeno fuzzy model ([10]).......................20 Fig..5 Fig................................1 biological neuron ([2])................................... 3......... 2........................4 The backward pass ([10])..........2 Gradient method ([4]) ....3 The action potential ([2])................................. 3........... 2......................................................................................4 The first correctly working algorithm ([4])...35 Fig.... 4............................................. 3............................................ 5.......... 3......................... 5..12 Fig....30 Fig... 4.....................5 Total error for network ([4])...........23 Fig................................ 2.6 basic artificial neuron ([3]) .........26 Fig......................................1 Neural network with one inner neural layer ([9]) ............................................3 The forward pass (based [10]).............................6 Fig..14 Fig......2 Fig.........................................................2 The second model fuzzy neural network ([8]).1 The first model fuzzy neural network ([8])....... 2...........7 Threshold and Sigmoid function ([3])....................................7 Fig...............5 neural net with simple processors connected together ([2])...........23 Fig.............24 Fig............ 5... 5........ 2..............

---

---