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

..................2 standard ANFIS architecture ([10])...............7 Fig...6 Fig...................2 Fig.............. 2.............1 Flow chart the Neural Network ...............16 Fig.......................................... 2.....................LIST FIGURES Fig..................... 3..20 Fig.35 Fig.............................1 The first model fuzzy neural network ([8])................... 4.......... 2...........3 The forward pass (based [10])..........................1 The Hamming window ............................. 4.5 Fig....... 5................12 Fig..........................30 Fig..................................................................................15 Fig......................................... 4............. 2............................................. 2.................................................................2 Gradient method ([4]) ...............................19 Fig...........................................3 Fig....7 Threshold and Sigmoid function ([3]).........................3 The action potential ([2]).. 3..............4 The first correctly working algorithm ([4]).............. 2......................23 Fig.........................36 .. 5..... 3...........................4 Fig............9 Fig...........................................................20 Fig....3 Berenji´s ARIC architecture ([8])......................................................24 Fig..............6 basic artificial neuron ([3]) ..................................14 Fig........................................4 The synapse ([2])...................1 biological neuron ([2])......................................... 5.....1 two-input first-order Sugeno fuzzy model ([10])..................................................................... 3...................1 Neural network with one inner neural layer ([9]) ..4 The backward pass ([10])............... 7...........................................5 Total error for network ([4]).......................2 Flow chart ANFIS ............................................................................................26 Fig.......................23 Fig.........................................................................2 Body function control neurons ([2]).. 2.... 5...........................5 neural net with simple processors connected together ([2])...6 Fig.........................3 The first four letters the alphabet ([4]).......... 7............. 3.................................2 The second model fuzzy neural network ([8]).......................... 6........................................

---

---