Vše
Vše

Co hledáte?

Vše
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Prostory parametrů a složitost učení neuronových sítí

Cíle projektu

Po vyřešení hlavních otázek spojených s aproximačními schopnostmi dopředných neuronových sítí se důraz přesunuje na problémy složitosti. Praktické výsledky ukazují, že největším problémem je časová náročnost učícího procesu, který představuje nelineárníoptimalizační problém ve vysoce dimenzionálním prostoru parametrů sítě. Jednou z možností, jak snížit časovou složitost učení je popis redundantních parametrizací sítě realizujících stejné vstupně-výstupní funkce. Budeme se věnovat popisu funkčně ekvivalentních sítí pro různé architektury (RBF sítě, vícevrstvé perceptrony) a jejímu využití pro odvození nových učících algoritmů, které jsou schopny prohledávat redukované prostory parametrů. Jedním z typů takových algoritmů je např. modifikovaný genetickýalgoritmus. Prozkoumáme vliv redukce parametrického prostoru na časovou složitost učení a dané algoritmy realizujeme i prakticky, pokud možno v paralelním výpočetním prostředí, jež je pro tento typ algoritmů vhodné.

Klíčová slova

Veřejná podpora

  • Poskytovatel

    Grantová agentura České republiky

  • Program

    Standardní projekty

  • Veřejná soutěž

  • Hlavní účastníci

    Ústav informatiky AV ČR, v. v. i.

  • Druh soutěže

    VS - Veřejná soutěž

  • Číslo smlouvy

Alternativní jazyk

  • Název projektu anglicky

    Parameter spaces and learning complexity of neural networks

  • Anotace anglicky

    After the main questions concerning approximation capabilities of feedforward networks have been solved the focus has shifted towards complexity problems. Practical results indicate that the time complexity of learning process-representing a non-linear optimization task in a high-dimensional network parameter space-is the biggest problem. One possibility to decrease time complexity is the description of redundant network parametrizations realizing the same I/O function. We will focus on the descriptionof functionally equivalent networks for various architectures (RBF networks, multilayer perceptrons) and its utilization in deriving of new learning algorithms that are able to scan reduced parameter spaces. One type of such an algorithm is e.g. the modified genetic algorithm. We will investigate the effect of parameter space reduction to time complexity of learning. The given algorithms will be practically realized, hopefully in a parallel environment which is suitable for this type of algorithms.

Vědní obory

  • Kategorie VaV

  • CEP - hlavní obor

    BA - Obecná matematika

  • CEP - vedlejší obor

    BD - Teorie informace

  • CEP - další vedlejší obor

  • OECD FORD - odpovídající obory
    (dle převodníku)

    10101 - Pure mathematics
    10102 - Applied mathematics
    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Hodnocení dokončeného projektu

  • Hodnocení poskytovatelem

    V - Vynikající výsledky projektu (s mezinárodním významem atd.)

  • Zhodnocení výsledků projektu

    Byly dosaženy výsledky o určitých typech neuronových sítí a souvisejících učících se algoritmů. Výstupy jsou články v kvalitních časopisech; jejich množství odpovídá rozsahu grantu.

Termíny řešení

  • Zahájení řešení

    1. 1. 1999

  • Ukončení řešení

    1. 1. 2001

  • Poslední stav řešení

    U - Ukončený projekt

  • Poslední uvolnění podpory

Dodání dat do CEP

  • Důvěrnost údajů

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

  • Systémové označení dodávky dat

    CEP/2002/GA0/GA02GA/U/N/7:3

  • Datum dodání záznamu

    1. 4. 2003

Finance

  • Celkové uznané náklady

    570 tis. Kč

  • Výše podpory ze státního rozpočtu

    507 tis. Kč

  • Ostatní veřejné zdroje financování

    190 tis. Kč

  • Neveřejné tuz. a zahr. zdroje finan.

    0 tis. Kč

Uznané náklady

570 tis. Kč

Statní podpora

507 tis. Kč

0%


Poskytovatel

Grantová agentura České republiky

CEP

BA - Obecná matematika

Doba řešení

01. 01. 1999 - 01. 01. 2001