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.

Vydal: FCC Public s. r. o. Autor: Tamás Ollé

Strana 8 z 67

Vámi hledaný text obsahuje tato stránku dokumentu který není autorem určen k veřejnému šíření.

Jak získat tento dokument?






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