|
|
Adaptace parametrů ve fuzzy systémech
Fic, Miloslav ; Jura, Pavel (oponent) ; Jirsík, Václav (vedoucí práce)
Diplomová práce se zabývá problematikou adaptace parametrů fuzzy systémů a to především umělými neuronovými sítě. V rešeršní části je proveden rozbor dosavadních metod spojujících fuzzy systémy a umělé neuronové sítě včetně uvedení zdrojů mezi studentskými pracemi. V kapitole aplikace metod je věnován prostor ověření klasifikační schopnosti zvolené metody fuzzy-neuronové sítě v Kohonenovým učením a následně návrhu modelu fuzzy systému na bázi této metody.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Kontár, Stanislav (oponent) ; Vágnerová, Jitka (vedoucí práce)
This work describes the principle of operation of neurons and how they form artificial neural networks. The structure and the operation of neurons are thoroughly described and the most widely used algorithm for neuron training is shown as well as the basics of fuzzy logic including its advantages and disadvantages. This work fully describes the backpropagation algorithm and the adaptive neuro-fuzzy inference system. These techniques provide effective methods of neural network learning.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (oponent) ; Vágnerová, Jitka (vedoucí práce)
This work describes the principle of operation of neurons and how they form artificial neural networks. The structure and the operation of neurons are thoroughly described and the most widely used algorithm for neuron training is shown as well as the basics of fuzzy logic including its advantages and disadvantages. This work fully describes the backpropagation algorithm and the adaptive neuro-fuzzy inference system. These techniques provide effective methods of neural network learning.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Kontár, Stanislav (oponent) ; Vágnerová, Jitka (vedoucí práce)
This work describes the principle of operation of neurons and how they form artificial neural networks. The structure and the operation of neurons are thoroughly described and the most widely used algorithm for neuron training is shown as well as the basics of fuzzy logic including its advantages and disadvantages. This work fully describes the backpropagation algorithm and the adaptive neuro-fuzzy inference system. These techniques provide effective methods of neural network learning.
|
|
|
Adaptace parametrů ve fuzzy systémech
Fic, Miloslav ; Jura, Pavel (oponent) ; Jirsík, Václav (vedoucí práce)
Diplomová práce se zabývá problematikou adaptace parametrů fuzzy systémů a to především umělými neuronovými sítě. V rešeršní části je proveden rozbor dosavadních metod spojujících fuzzy systémy a umělé neuronové sítě včetně uvedení zdrojů mezi studentskými pracemi. V kapitole aplikace metod je věnován prostor ověření klasifikační schopnosti zvolené metody fuzzy-neuronové sítě v Kohonenovým učením a následně návrhu modelu fuzzy systému na bázi této metody.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (oponent) ; Vágnerová, Jitka (vedoucí práce)
This work describes the principle of operation of neurons and how they form artificial neural networks. The structure and the operation of neurons are thoroughly described and the most widely used algorithm for neuron training is shown as well as the basics of fuzzy logic including its advantages and disadvantages. This work fully describes the backpropagation algorithm and the adaptive neuro-fuzzy inference system. These techniques provide effective methods of neural network learning.
|
host ::
RSS.