Klasifikace vzorů pomocí fuzzy neuronových sítí

Abstract

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.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.