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

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

---

---