Iterative principles of recognition in probabilistic neural networks

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F08%3A00311199" target="_blank" >RIV/67985556:_____/08:00311199 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Iterative principles of recognition in probabilistic neural networks

Original language description

When considering the probabilistic approach to neural networks in the framework of statistical pattern recognition we assume approximation of class-conditional probability distributions by finite mixtures of product components. The mixture components canbe interpreted as probabilistic neurons in neurophysiological terms and, in this respect, the fixed probabilistic description contradicts the well known short-term dynamic properties of biological neurons. By introducing iterative schemes of recognitionwe show that some parameters of probabilistic neural networks can be /released/ for the sake of dynamic processes without disturbing the statistically correct decision making. In particular, we can iteratively adapt the mixture component weights or modify the input pattern in order to facilitate correct recognition. Both procedures are shown to converge monotonically as a special case of the well known EM algorithm for estimating mixtures.

Czech name

Iterativní principy rozpoznávání v pravděpodobnostních neuronových sítích

Czech description

Pravděpodobnostní přístup patří k nejnovějším metodám návrhu neuronových sítí. Základní paradigma pravděpodobnostního přístupu je jiné než v případě standardních metod. Návrh ?klasické? neuronové sítě zpravidla vychází z formálního modelu neuronu a předpokládá nějaký způsob propojení neuronů v síti. Adaptace neuronové sítě pro daný účel (rozpoznávání vstupních objektů, aproximaci výstupní funkce a pod.) probíhá na základě nějakého algoritmu učení, který je navržen heuristicky, nebo je odvozen z vhodně zvoleného kriteria optimální funkce sítě.

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

IN - Informatics

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2008

Confidentiality

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

Name of the periodical

Neural Networks

ISSN

0893-6080

e-ISSN

—

Volume of the periodical

21

Issue of the periodical within the volume

6

Country of publishing house

GB - UNITED KINGDOM

Number of pages

10

Pages from-to

—

UT code for WoS article

000259846600006

EID of the result in the Scopus database

—