|
|
Adaptation of parameters in fuzzy systems
Fic, Miloslav ; Jura, Pavel (referee) ; Jirsík, Václav (advisor)
This Master’s thesis deals with adaptation of fuzzy system parameters with main aim on artificial neural network. Current knowledge of methods connecting fuzzy systems and artificial neural networks is discussed in the search part of this work. The search in Student’s works is discussed either. Chapter focused on methods application deals with classifying ability verification of the chosen fuzzy-neural network with Kohonen learning algorithm. Later the model of fuzzy system with parameters adaptation based on fuzzyneural network with Kohonen learning algorithm is shown.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Kontár, Stanislav (referee) ; Vágnerová, Jitka (advisor)
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.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (referee) ; Vágnerová, Jitka (advisor)
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.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Kontár, Stanislav (referee) ; Vágnerová, Jitka (advisor)
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.
|
|
|
Adaptation of parameters in fuzzy systems
Fic, Miloslav ; Jura, Pavel (referee) ; Jirsík, Václav (advisor)
This Master’s thesis deals with adaptation of fuzzy system parameters with main aim on artificial neural network. Current knowledge of methods connecting fuzzy systems and artificial neural networks is discussed in the search part of this work. The search in Student’s works is discussed either. Chapter focused on methods application deals with classifying ability verification of the chosen fuzzy-neural network with Kohonen learning algorithm. Later the model of fuzzy system with parameters adaptation based on fuzzyneural network with Kohonen learning algorithm is shown.
|
|
|
Fuzzy Neural Networks for Pattern Classification
Ollé, Tamás ; Raida, Zbyněk (referee) ; Vágnerová, Jitka (advisor)
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.
|
guest ::
