Full metadata record
DC FieldValueLanguage
dc.contributor.author張弘穎en_US
dc.contributor.authorZhang, Hong-Yingen_US
dc.contributor.author張志永en_US
dc.contributor.authorZhang, Zhi-Yongen_US
dc.date.accessioned2014-12-12T02:16:17Z-
dc.date.available2014-12-12T02:16:17Z-
dc.date.issued1995en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#NT844327007en_US
dc.identifier.urihttp://hdl.handle.net/11536/61165-
dc.description.abstract本論文改進一套模糊認知類神經網路學習法則,此方法可用於同時處理數值資料及模 糊若則法則(fuzzy if-then rules)來表示的專家知識的分類器。我們擴展傳統的 線性認知網路成二階的認知網路,以提供更大彈性的判別函數。為了使類神經網路能 夠處理語文變數,模糊集合的水準集合(level sets)理論被引進至認知學習方法中 。在輸入模糊函數的不同水準下,根據輸出單元之函數及其對應之非模糊目標值,可 以導出模糊認知學習演算法則(fuzzy perceptron learning algorithm),本論文 主要為利用頂點法(vertex method)來求得輸出函數之極值所對應之點,亦即此方 法可大為提高模糊認知學習法之收歛速度與所需之時間。此外,模糊認知學習演算法 能夠利用修正的口袋演算法(pocket algorithm)-模糊口袋演算法(fuzzy pocket algorithm)-解決無法分開的分類問題,例如有模糊集合重疊的情況。大量電腦模 擬的結果將顯示模糊認知學習演算法則的效果,並可同時改進由田中(Tanaka)等人 提出之模糊誤差反傳遞法之速度慢,與不能收歛至正確值的問題。zh_TW
dc.language.isozh_TWen_US
dc.subject自動控制工程zh_TW
dc.subject控制工程zh_TW
dc.subject電腦zh_TW
dc.subject模糊認知學習法zh_TW
dc.subject口袋演算法zh_TW
dc.subject模糊函數zh_TW
dc.subjectAUTOMATED-CONTROL-ENGINEERINGen_US
dc.subjectCONTROL-ENGINEERINGen_US
dc.subjectCOMPUTERen_US
dc.title模糊認知學習法之新研究成果zh_TW
dc.titleNEW RESULTS ON FUZZY PERCEPTRON LEARNING ALGORITHMen_US
dc.typeThesisen_US
dc.contributor.department電控工程研究所zh_TW
Appears in Collections:Thesis