Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

2. Theory and Background

verfasst von : Jonathan Amezcua, Patricia Melin, Oscar Castillo

Erschienen in: New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Computer science embraces a variety of different areas such as Computer Graphics, Computational Complexity, Computer Cryptography, Computational Intelligence, among others.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Introduction
Nächstes Kapitel Problem Statement
Literatur
1.
Freeman, J.A., Skapura, D. (1993). Redes Neuronales: algoritmos, aplicaciones y técnicas de propagación (pp. 306). México: Addison-Wesley.
2.
Shi, M., Qin, F., Ye, Q., Han, Z., Jiao, J. (2017). A scalable convolutional neural network for task-specified scenarios via knowledge distillation. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 2467–2471). New Orleans, LA, USA.
3.
Thulasidasan, S., Bilmes, J. (2017). Acoustic classification using semi-supervised deep neural networks and stochastic entropy-regularization over nearest-neighbor graphs. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 2731–2735). New Orleans, LA, USA.
4.
Zhou, Y., Song, S., Cheung, N. M. (2017). On classification of distorted images with deep convolutional neural networks. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 1213–1217). New Orleans, LA, USA.
5.
Buendía, E., Vargas, E., Leyva, A., Terrazas, S. (2002). Aplicación De Redes Neuronales Artificiales Y Técnicas Sig Para La Predicción De Coberturas Forestales, Revista Chapingo. Serie ciencias forestales y del ambiente, enero-junio, año/vol. 8, número 001, Universidad Autónoma Chapingo. pp. 31–37.
6.
Bonifacio, M., Alfredo, S. (2007). Redes Neuronales y Sistemas Borrosos, 3ª Edición, Alfaomega Ra-Ma.
7.
Azam, F. (2004). Biologically inspired modular neural networks, electrical and computer engineering. Virginia: Blacksburg.
8.
Carbajal, K. (2003). Introducción De La Inteligencia Artificial En La Ingeniería Civil A través De Las Redes Neuronales Artificiales, Departamental de Loreto del Colegio de Ingenieros del Perú.
9.
Matich, D. (2001). Redes neuronales: conceptos básicos y aplicaciones, En: Informática aplicada a la ingeniería de procesos I. Facultad Regional Rosario. March of: Universidad Tecnológica Nacional.
10.
Castillo, E., Cobo, A., Gutiérrez, J., & Pruneda, R. (1999). Introducción a las Redes Funciónales con Aplicaciones - Un Nuevo Paradigma Neuronal. España: Paraninfo.
11.
Pang-Ning, T., Steinbach, M., & Kumar, V. (2006). Introduction to data mining (pp. 145–148). País: Pearson Addison Wesley.
12.
Romero, L., Calonge, T. (2001). Redes Neuronales y Reconocimiento de Patrones, Universidad de Salamanca- España.
13.
Jang, J., Sun, C., & Mizutani, E. (1997). Neuro-Fuzzy and soft computing. New Jersey: Prentice Hall.
14.
McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas imminent in neural nets. Bulletin of Mathematical Biophysics, 5, 115–137.CrossRefMATH
15.
Rosenblatt, F. (1962). Principles of neurodynamics: perceptrons and the theory of brain mechanisms. New York: Spartan.MATH
16.
17.
Song, M. H., Lee, J., Cho, S. P., Lee, K. J., Yoo, S. K. (2005). Support vector machine based arrhythmia classification using reduced features. International Journal of Control, Automation and Systems, 3, 509–654.
18.
Sejnowski, T. J., & Charles, R. (1986). Rosenberg. NETtalk: a parallel network that learns to read aloud. JHU/EECS 86/01, Johns Hopkins University.
19.
Dean, P. (1991). Efficient training of artificial neural networks for autonomous navigation. Neural Computation, 3, 88–97.CrossRef
20.
Dean, P. (1992). Neural network perception for mobile robot guidance (Ph.D. thesis, Department of Computer Science, Carnegie Mellon University).
21.
Sandhya, S. (2007). Neural networks for applied science and engineering. Boca Raton: Auerbach Publications.
22.
Sajad, S., Yousef, A., & Hossein, J. (2017, July). The use of soft computing to classification of some weeds based on video processing. Applied Soft Computing, 56, 107–123.CrossRef
23.
Seera, M., Wong, D., & Nandi, K. (2017, August). Classification of ball bearing faults using a hybrid intelligent model. Applied Soft Computing, 57, 427–435.CrossRef
24.
Ramesh, P., Katagiri, S., Lee, C. H. (1991). A new connected word recognition algorithm based on HMM/LVQ segmentation and LVQ classification. In ICASSP 91: 1991 International Conference on Acoustics, Speech, and Signal Processing (Vol. 1 pp. 113–116). Toronto, Ont.
25.
Zhang, Y., Li, M. (2016). An evaluation model of water quality based on learning vector quantization neural network. In 35th Chinese Control Conference (CCC) (pp. 3685–3689). Chengdu.
26.
Kohonen, T. (1990). Improved versions of learning vector quantization. In International Joint Conference on Neural Networks (p. 545–550, Vol. 1). San Diego.
27.
Sanchez, D. (2010, September). Optimización Estructural y Paramétrica de Redes Neuronales Modulares y sus Integradores Difusos Tipo 1 y Tipo 2 para la Identificación de Personas Utilizando Iris. Instituto Tecnológico de Tijuana: Oreja Y Voz. Tesis de maestría en ciencias computacionales.
28.
Rojas, R. (1996) Neural networks: a systematic introduction (Vol. 16, pp. 413–416). Berlin: Springer.
29.
Lee, T. (1991). Structure level adaptation for artificial neural networks. Dordrecht: Kluwer Academic Publishers.
30.
Sejnowski, T. J., & Rosenberg, C. R. (1987). Parallel networks that learns to pronounce English text. Complex Systems, 1, 145–168.MATH
31.
Perez, J., Valdez, F., Castillo, O., Melin, P., Gonzalez, C., & Martinez, G. (2017, February). Interval type-2 fuzzy logic for dynamic parameter adaptation in the bat algorithm. Applied Soft Computing, 21(3), 667–668.CrossRef
32.
33.
Liang, Q., & Mendel, J. (2000). Interval type-2 fuzzy logic systems: theory and design. IEEE Transactions on Fuzzy Systems, 8(5), 535–550.CrossRef
Metadaten
Titel
Theory and Background
verfasst von
Jonathan Amezcua
Patricia Melin
Oscar Castillo
Copyright-Jahr
2018
Buch
New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic

Print ISBN: 978-3-319-73772-0

Electronic ISBN: 978-3-319-73773-7

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-73773-7_2

Premium Partner

    Bildnachweise