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

....................... 7..................... 3.........3 Fig.....1 biological neuron ([2]).19 Fig.5 Fig........... 4....6 basic artificial neuron ([3]) . 5................... 5............................... 2...........................................15 Fig.............................................................................................20 Fig......4 Fig..............5 neural net with simple processors connected together ([2]).........................23 Fig.............. 3...........................6 Fig..................................36 ....................................... 5................................. 3.1 Neural network with one inner neural layer ([9]) .......4 The synapse ([2])... 3.............. 7.........7 Fig.........20 Fig...............2 Body function control neurons ([2])..................................................................................... 2..............................30 Fig........................................ 4.....9 Fig...... 6.2 The second model fuzzy neural network ([8])................................2 standard ANFIS architecture ([10])................................................... 3...5 Total error for network ([4])......................................................................7 Threshold and Sigmoid function ([3])..... 4........2 Gradient method ([4]) ...................3 Berenji´s ARIC architecture ([8]).......................................... 2.....3 The action potential ([2])....................................2 Flow chart ANFIS .........26 Fig......4 The backward pass ([10])............................. 2..LIST FIGURES Fig...........1 two-input first-order Sugeno fuzzy model ([10])..............4 The first correctly working algorithm ([4]).....24 Fig..................................................1 The Hamming window ....... 2..........................12 Fig................................................................. 2.... 5.................................................23 Fig..................................................................................................................... 2............................................14 Fig........3 The first four letters the alphabet ([4])............................................................1 Flow chart the Neural Network .................................................................................35 Fig.....16 Fig.......1 The first model fuzzy neural network ([8])......................3 The forward pass (based [10]).............................6 Fig..............................2 Fig............

---

---