Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.author | Martynova, Mariia | - |
dc.contributor.author | Kaas, Ondřej | - |
dc.date.accessioned | 2020-03-23T11:00:27Z | - |
dc.date.available | 2020-03-23T11:00:27Z | - |
dc.date.issued | 2018 | - |
dc.identifier.citation | MARTYNOVA, M., KAAS, O. Pre-processing for the RBF-NNs with flexible parameters for multi-dimensional data. In: 18th IEEE International Symposium on Computational Intelligence and Informatics. Danvers: IEEE, 2018. s. 19-24. ISBN 978-1-72811-117-9 , ISSN 2471-9269. | en |
dc.identifier.isbn | 978-1-72811-117-9 | - |
dc.identifier.issn | 2471-9269 | - |
dc.identifier.uri | 2-s2.0-85070763028 | - |
dc.identifier.uri | http://hdl.handle.net/11025/36744 | - |
dc.description.abstract | This paper describes a solution to the optimization task of approximation by radial-basis-function (RBF) neural network. The proposed method is created for the teacher NNs for complex system and is addressed to the problem of variable shape parameters for data using the RBF. It involves the k-means algorithm, the RBF neural network, the ideas of the algorithm for placing new centers of neurons and the structure of the future deep learning complex neural network. | en |
dc.description.abstract | Tento článek popisuje řešení optimalizačního úkolu aproximace neuronovou sítí s radiální bázové funkcí (RBF). Navrhovaná metoda je vytvořena pro NN-učitele pro komplexní systém a je zaměřena na problém proměnných tvarových parametrů pro data pomocí RBF. Postup zahrnuje neuronovou síť RBF, algoritmus k-means, algoritm pro umístění nových center neuronů a strukturu budoucí neuronové sítě hlubokého učení. | cs |
dc.format | 6 s. | cs |
dc.format.mimetype | application/pdf | - |
dc.language.iso | en | en |
dc.publisher | IEEE | en |
dc.relation.ispartofseries | 18th IEEE International Symposium on Computational Intelligence and Informatics | en |
dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
dc.rights | © IEEE | en |
dc.subject | aproximace | cs |
dc.subject | velká data | cs |
dc.subject | složitá funkce | cs |
dc.subject | zakřivení | cs |
dc.subject | hluboké učení | cs |
dc.subject | hustota | cs |
dc.subject | chyba | cs |
dc.subject | k-středy | cs |
dc.subject | neuronová síť | cs |
dc.subject | radiální základní funkce | cs |
dc.subject | RBF | cs |
dc.subject | parametry proměnného tvaru | cs |
dc.title | Pre-processing for the RBF-NNs with flexible parameters for multi-dimensional data | en |
dc.title.alternative | Předběžné zpracování pro RBF-NN s flexibilními parametry pro vícerozměrná data | cs |
dc.type | konferenční příspěvek | cs |
dc.type | conferenceObject | en |
dc.rights.access | restrictedAccess | en |
dc.type.version | publishedVersion | en |
dc.subject.translated | Approximation | en |
dc.subject.translated | Big Data | en |
dc.subject.translated | Complex Function | en |
dc.subject.translated | Curvature | en |
dc.subject.translated | Deep Learning | en |
dc.subject.translated | Density | en |
dc.subject.translated | Error | en |
dc.subject.translated | k-means | en |
dc.subject.translated | Neural Network | en |
dc.subject.translated | Radial Basic Function | en |
dc.subject.translated | RBF | en |
dc.subject.translated | Variable Shape Parameters | en |
dc.identifier.doi | 10.1109/CINTI.2018.8928225 | - |
dc.type.status | Peer-reviewed | en |
dc.identifier.obd | 43929034 | - |
dc.project.ID | GA17-05534S/Meshless metody pro vizualizaci velkých časově-prostorových vektorových dat | cs |
dc.project.ID | SGS-2016-013/Pokročilé grafické a výpočetní systémy | cs |
Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KIV) OBD |
Soubory připojené k záznamu:
Soubor | Velikost | Formát | |
---|---|---|---|
Martynova,Kaas CINTI_4.png | 149,74 kB | image/png | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/36744
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.