| DC 欄位 |
值 |
語言 |
| DC.contributor | 電機工程研究所 | zh_TW |
| DC.creator | 李建民 | zh_TW |
| DC.creator | Chien-Min Lee | en_US |
| dc.date.accessioned | 2001-6-28T07:39:07Z | |
| dc.date.available | 2001-6-28T07:39:07Z | |
| dc.date.issued | 2001 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=88521064 | |
| dc.contributor.department | 電機工程研究所 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 傳統上，等化器的設計非常簡單，但通常僅能處理線性判別區域的信號空間。本論文將介紹結合模糊理論與類神經網路架構的等化器，解決等化器無法處理非線性判別區域的的問題。模糊系統的優點是不需要精確的數學模型，另一方面結合人類的知識於系統的設計上。模糊化的好處是可以提供更佳的推廣性、錯誤容忍度、以及更適合應用於真實世界中的非線性系統。而類神經網路的架構，其複雜度可分割非線性判別區域。論文中並提出一種進化演算法則（Evolutionary Algorithms, EAs），應用於模糊化類神經網路等化器上，進化演算法則是一種隨機最佳化(stochastic optimization)的技術，模仿生物遺傳機制的基因進化概念而來，屬於一種多點平行式的全域搜尋（global search）法則。文中將以模擬的方式比較使用進化演算法與傳統演算法，對於模糊化類神經網路等化器效能表現的優劣。 | zh_TW |
| DC.subject | 模糊化類神經網路 | zh_TW |
| DC.subject | 符元間干擾 | zh_TW |
| DC.subject | 進化演算法 | zh_TW |
| DC.subject | 類神經網路 | zh_TW |
| DC.subject | EAs | en_US |
| DC.subject | ISI | en_US |
| DC.subject | neural network | en_US |
| DC.subject | neuro-fuzzy network | en_US |
| DC.title | 使用進化演算法的模糊化類神經網路等化器 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |