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

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

---

---