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 The backward pass ([10])...........................................5 neural net with simple processors connected together ([2])............ 2..................2 Fig................30 Fig............................... 6...........3 The action potential ([2])....7 Fig...5 Fig..................................................... 4.............................................. 2.....6 Fig....................... 3........................................ 3.........15 Fig..........................................24 Fig......................................6 Fig.......................9 Fig.........................................................................................19 Fig......4 The synapse ([2]).............................. 5..4 Fig............... 5................1 two-input first-order Sugeno fuzzy model ([10]).. 2...3 The first four letters the alphabet ([4]).................1 The Hamming window .............................................................................2 Gradient method ([4]) ......................................12 Fig.....20 Fig......................................2 Body function control neurons ([2]).................................23 Fig.............................................................................5 Total error for network ([4])..................................................................................1 Flow chart the Neural Network ...........................3 The forward pass (based [10])..............16 Fig..20 Fig..........2 Flow chart ANFIS ...................................................... 3........ 3.36 ....................35 Fig..3 Berenji´s ARIC architecture ([8])................ 7............2 standard ANFIS architecture ([10])...23 Fig............................................1 biological neuron ([2]).............................14 Fig.................. 5........LIST FIGURES Fig.................................. 2...................... 4....... 2..............................................4 The first correctly working algorithm ([4])....................................3 Fig.. 3............ 2............................. 2..1 Neural network with one inner neural layer ([9]) ................................................. 4..2 The second model fuzzy neural network ([8])...................................26 Fig...............6 basic artificial neuron ([3]) ...................7 Threshold and Sigmoid function ([3])........................ 5. 7....................................1 The first model fuzzy neural network ([8])....................................................

---

---