Aproximation and learning of multivariable functions by neural networks

Project name in Czech
Aproximace a učení funkcí mnoha proměnných pomocí neuronových sítí
Annotation in Czech
Cílem projektu je odvození teoretických výsledků a návrh a softwarová realizace učících algoritmů pro modely neurovýpočtů založených na aproximaci funkcí více proměnných.

R&D category
ZV - Basic research
CEP classification - main branch
IN - Informatics
CEP - secondary branch
BA - General mathematics
CEP - another secondary branch
—
OECD FORD - equivalent branches <br>(according to the <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">converter</a>)
10101 - Pure mathematics<br>10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Provider evaluation
V - Vynikající výsledky projektu (s mezinárodním významem atd.)
Project results evaluation
Project contributed to mathematical theory of complexity of neural networks. Estimates of model complexity in dependence on dimension of input data, types and parameters of computational units, properties of approximated functions and training data werederived. Evolutionary algorithms for metalearning were designed, implemented as a software tool, and functionality and properties were verified.

Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP13-MSM-ME-U/01:1
Data delivery date
Jun 28, 2013

Project goals