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

---

---