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

. 4........5 Total error for network ([4])............................................................... 3.4 The backward pass ([10]).............. 2........................................ 3...................................................................3 The forward pass (based [10])........... 5............................................. 2...............................................................4 Fig..............4 The first correctly working algorithm ([4])..............................................................2 Fig.....14 Fig.... 2...20 Fig.............................35 Fig........6 basic artificial neuron ([3]) ....................... 3.............2 Flow chart ANFIS ..... 2............................ 7.......3 Berenji´s ARIC architecture ([8])....1 Neural network with one inner neural layer ([9]) ........................................................2 Body function control neurons ([2])................................................ 3...........23 Fig..23 Fig............................9 Fig.......LIST FIGURES Fig............. 7......... 5.................1 Flow chart the Neural Network .24 Fig................1 two-input first-order Sugeno fuzzy model ([10])..................4 The synapse ([2]).....1 biological neuron ([2])................. 2......6 Fig......................... 2....................................................16 Fig..................... 4.......................2 Gradient method ([4]) .....................................................................2 standard ANFIS architecture ([10])..........15 Fig.................................36 ...... 5....1 The first model fuzzy neural network ([8])..5 neural net with simple processors connected together ([2])..........3 The first four letters the alphabet ([4])..................................................................... 5....3 The action potential ([2])...........................................................................................19 Fig...................3 Fig......... 4.................30 Fig........5 Fig......................... 6..7 Threshold and Sigmoid function ([3])..........................................................6 Fig.............................12 Fig...................................7 Fig.........................26 Fig............................................................. 2......2 The second model fuzzy neural network ([8])........................................................................................................................................... 3.......20 Fig...........1 The Hamming window

---

---