Pravděpodobnostní neuronové sítě
Cíle projektu
Cílem projektu je nový exaktně zdůvodněný pravděpodobnostní model neuronových sítí založený ma distribučních směsích a umožňující neurofyziologicky přijatelnou interpretaci základních pojmů. Model umožní převést návrh pravděpodobnostní neuronové sítě naproblém maximálně věrohodného odhadu parametrů distribuční směsi s komponentami součinového typu, přičemž komponenty směsi odpovídají jednotlivým neuronům. Přenos signálu v síti je definován pomocí parametrů směsi jako zobrazení zachovávající rozhodovacíinformaci a minimalizující entropii výstupního prostoru. Bude vypracována aplikace modelu na návrh vícevrstvých struktur a rekurentních neuronových sítí připouštějící neúplné propojení neuronů při zachování exaktního pravděpodobnostího popisu. Identifikace směsí pomocí EM algoritmu umožňuje maximálně věrohodný odhad struktury i funkčních parametrů neuronové sítě. Odhad parametrů bude převeden na tvar sekvenční výpočetně jednoduché procedury učení.
Klíčová slova
Veřejná podpora
Poskytovatel
Akademie věd České republiky
Program
Granty výrazně badatelského charakteru zaměřené na oblast výzkumu rozvíjeného v současné době zejména v AV ČR
Veřejná soutěž
—
Hlavní účastníci
Ústav teorie informace a automatizace AV ČR, v. v. i.
Druh soutěže
—
Číslo smlouvy
—
Alternativní jazyk
Název projektu anglicky
Probabilistic neural networks
Anotace anglicky
The purpose of the project is to develop a new theoretically well justified probabilistic model of neural networks basd on mixtures of finite distributions and providing an acceptable neurophysiological interpretation of basic concepts. The model allowsto reduce the design of a probabilistic neural network to the problem of maximumlikelihood estimation of finite distribution mixtures with product-type components corresponding to individual neurons. The signal transmission in this model is defined by means of mixture parameters as an information preserving transform minimizing the entropy of the output space. The method will be applied to design both the multilayer structures and the recurrent neural networks. The probabilistic model permits incompleteinterconnections of neurons as well. By identifying finite mixtures by means of EM algorithm ona obtains maximum-likelihood estimates of the structure and of the functional parameters of neural networks.
Vědní obory
Kategorie VaV
—
CEP - hlavní obor
BB - Aplikovaná statistika, operační výzkum
CEP - vedlejší obor
BD - Teorie informace
CEP - další vedlejší obor
FH - Neurologie, neurochirurgie, neurovědy
OECD FORD - odpovídající obory
(dle převodníku)10102 - Applied mathematics
10103 - Statistics and probability
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
30103 - Neurosciences (including psychophysiology)
30210 - Clinical neurology
Hodnocení dokončeného projektu
Hodnocení poskytovatelem
V - Vynikající výsledky projektu (s mezinárodním významem atd.)
Zhodnocení výsledků projektu
Byla navržena neurofyziologicky interpretovatelná pravděpodobnostní neuronová síť umožňující neúplné propojení neuronů, optimalizaci struktury a paralelní kombinaci nezávislých řešení. Konstrukce sítě byla ověřena na úloze rozpoznávání číslic.
Termíny řešení
Zahájení řešení
1. 1. 1997
Ukončení řešení
1. 1. 2000
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/2001/AV0/AV01IA/U/N/4:2
Datum dodání záznamu
—
Finance
Celkové uznané náklady
927 tis. Kč
Výše podpory ze státního rozpočtu
468 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Uznané náklady
927 tis. Kč
Statní podpora
468 tis. Kč
0%
Poskytovatel
Akademie věd České republiky
CEP
BB - Aplikovaná statistika, operační výzkum
Doba řešení
01. 01. 1997 - 01. 01. 2000