Neural Networks and Fuzzy Systems: Theory and Applications

شبکه‌های عصبی و سیستم‌های فازی: نظریه و کاربردها نظریه‌هایی را مورد بحث قرار می‌دهد که در کاربرد شبکه‌های عصبی و سیستم‌های فازی برای مسائل دنیای واقعی مفید هستند. این کتاب شامل مقایسه عملکرد شبکه های عصبی و سیستم های فازی با استفاده از داده های جمع آوری شده از سیستم های واقعی است. موضوعات تحت پوشش عبارتند از: شبکه هاپفیلد برای مسائل بهینه سازی ترکیبی، شبکه های عصبی چند لایه برای طبقه بندی الگو و تقریب تابع، سیستم های فازی که عملکردهای مشابهی با شبکه های چندلایه دارند و سیستم های ترکیبی که با موفقیت در مسائل دنیای واقعی به کار گرفته شده اند. نویسنده همچنین شامل مدل های شبکه عصبی نماینده مانند شبکه کوهونن و شبکه تابع پایه شعاعی است. سیستم های فازی جدید با قابلیت یادگیری نیز پوشش داده شده است.
مزایا و معایب شبکه های عصبی و سیستم های فازی بررسی می شود. عملکرد این دو سیستم در تشخیص پلاک خودرو، یک کارخانه تصفیه آب، طبقه بندی سلول های خونی و سایر مشکلات دنیای واقعی مقایسه شده است.

Neural Networks and Fuzzy Systems: Theory and Applications discusses theories that have proven useful in applying neural networks and fuzzy systems to real world problems. The book includes performance comparison of neural networks and fuzzy systems using data gathered from real systems. Topics covered include the Hopfield network for combinatorial optimization problems, multilayered neural networks for pattern classification and function approximation, fuzzy systems that have the same functions as multilayered networks, and composite systems that have been successfully applied to real world problems. The author also includes representative neural network models such as the Kohonen network and radial basis function network. New fuzzy systems with learning capabilities are also covered.
The advantages and disadvantages of neural networks and fuzzy systems are examined. The performance of these two systems in license plate recognition, a water purification plant, blood cell classification, and other real world problems is compared.