Fuzzy neuronové sítě

Abstract

Práce je věnována fuzzy neuronovým sítím. Protože se jedná o techniku kombinování fuzzy logiky s neuronovými sítěmi pro řešení nejrůznějších úloh z oblasti umělé inteligence, řízení či strojového učení, teoretická část práce se nejprve zabývá neuronovými sítěmi a fuzzy logikou odděleně. Po vysvětlení nezbytných základů je zbytek teoretické části zaměřen převážně na teorii fuzzy neuronových sítí, jejich klasifikaci a použití v praxi. Na základě popsané teorie jsou navrhnuty a implementovány fuzzy asociativní paměti, jejichž cílem je řešit úlohu klasifikace a úlohu z oblasti řízení. Na závěr jsou výsledné implementace a jejich výsledky zhodnoceny a porovnány s jinými přístupy k řešení zvolených úloh.

This thesis focuses on fuzzy neural networks. The combination of the fuzzy logic and artificial neural networks leads to the development of more robust systems. These systems are used in various field of the research, such as artificial intelligence, machine learning and control theory. First, we provide a quick overview of underlying neural networks and fuzzy systems to explain fundamental ideas that form the basis of the fields, and follow with the introduction of the fuzzy neural network theory, classification and application. Then we describe a design and a realization of the fuzzy associative memory, as an example of these systems. Finally, we benchmark the realization using the pattern recognition and control tasks. The results are evaluated and compared against existing systems.