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

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

---

---