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

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

---

---