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

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

---

---