All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

ANN as subjekt of statistical testing

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00023752%3A_____%2F05%3A00000449" target="_blank" >RIV/00023752:_____/05:00000449 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    ANN as subjekt of statistical testing

  • Original language description

    The paper is oriented to statistical testing of ANN output in special cases. The neural network with several inputs and single output is able to classify objects into two classes depending on the ANN output value. Basic types of neural networks are included: linear perceptron, bipolar perceptron, sigmoidal perceptron, MLP and RBF. Various statistical properties of ANN output signal enforce various strategies of statistical testing. The non-parametric approach is represented by Fisher's factorial, chi square, Wilcoxon-Mann-Whitney and Kolmogorov-Smirnov test. The general methodology is based on ANN learning on the training pattern set and statistical testing on the verification set. All the calculations were performed in the Matlab environment.

  • Czech name

    Umělá neuronová síť jako předmět statistického testování

  • Czech description

    Příspěvek je orientován na statistické testování výstupu neuronové sítě (ANN) ve speciálních případech. Neuronová síť s několika vstupy a jediným výstupem je schopna klasifikovat objekty do 2 tříd v závislosti na výstupu z ANN. Jsou zahrnuty základní typy neuronových sítí: lineární perceptron, bipolární perceptron, sigmoidální perceptron, MLP a RBF. Různé strategie statistického testování jsou dány statistickými vlastnostmi výstupu z ANN. Je doporučován neparametrický přístup s využitím Fišerova testu,chi kvadrát testu, Wilcoxon-Mann-Whitneyova testu a Kolmogorov-Smirnovova testu. Obecná metodika je založena na učení ANN na trénovaní množině vzorů a na testování ANN na verifikační množině. Veškeré výpočty byly provedeny v Matlabu.

Classification

  • Type

    D - Article in proceedings

  • CEP classification

    FH - Neurology, neuro-surgery, nuero-sciences

  • OECD FORD branch

Result continuities

  • Project

    <a href="/en/project/1M0517" target="_blank" >1M0517: Center of Neuropsychiatric Studies 2005-2009 (Neurobiology in Clinical Application)</a><br>

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Others

  • Publication year

    2005

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Article name in the collection

    Technical Computing Prague 2005. Sborník příspěvků 13. mezinárodní konference, Kongresové centrum ČVUT Praha, 15.11. 2005

  • ISBN

    80-7080-577-3

  • ISSN

  • e-ISSN

  • Number of pages

    3

  • Pages from-to

    64-66

  • Publisher name

    Vydavatelství VŠCHT

  • Place of publication

    Praha

  • Event location

    Praha

  • Event date

    Nov 15, 2005

  • Type of event by nationality

    EUR - Evropská akce

  • UT code for WoS article