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”

Recursive Parameters Estimation and Structure Adaptation of Neural Network

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F05%3A00000061" target="_blank" >RIV/49777513:23520/05:00000061 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    Recursive Parameters Estimation and Structure Adaptation of Neural Network

  • Original language description

    Application of neural networks in identification of nonlin- ear stochastic systems is treated. The stress is laid on a parameters estimation and structure adaptation of the net- works. They are trained by a global filtering method allow- ing to determineconditional probability density functions of network parameters. The Gaussian sum approach used for parameters estimation of network gives better results than the commonly used prediction error methods, and it is an interesting alternative to sequentialMonte Carlo meth- ods. The approach also enables structure adaptation which is given by pruning of insignificant connections from an a priori chosen large network. The designed structure adap- tation method utilizes conditional probability density func-tions of the parameters obtained from the estimation algo- rithm to measure saliency of the network connections and it represents a generalization of the extended Kalman filter based pruning method.

  • Czech name

    Rekuzivní odhad parametrů a adaptace struktury neuronové sítě

  • Czech description

    Je prezentována aplikace neuronových sítí pro identifikaci nelineárních stochastických systémů. Důraz je kladen na odhad parametrů a adaptaci struktury sítí. Jsou trénovány globální metodou filtrace, která umožňuje určení podmíněných hustot pravděpodobnosti parametrů sítě. Metoda Gaussovských směsí použitá pro odhad parametrů sítě dává lepší výsledky než běžně užívané metody chyby predikce a je zajímavou alternativou k sekvenční metodě Monte Carlo. Tento přístup též umožňuje adaptaci struktury která jedána prořezáváním nevýznamných spojení z předem vybrné velké sítě. Navržená metoda adaptace struktury využívá

Classification

  • Type

    J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

  • CEP classification

    BC - Theory and management systems

  • OECD FORD branch

Result continuities

  • Project

    <a href="/en/project/GA102%2F05%2F2075" target="_blank" >GA102/05/2075: Theoretical background for integrated process control and optimization</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

  • Name of the periodical

    Modelling, identification and control

  • ISSN

    1025-8973

  • e-ISSN

  • Volume of the periodical

  • Issue of the periodical within the volume

  • Country of publishing house

    US - UNITED STATES

  • Number of pages

    6

  • Pages from-to

    78

  • UT code for WoS article

  • EID of the result in the Scopus database