Vše

Co hledáte?

Vše
Projekty
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”

How to Learn Picture Languages

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F19%3A10424549" target="_blank" >RIV/00216208:11320/19:10424549 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=ELNCPYr0B7" target="_blank" >https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=ELNCPYr0B7</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    How to Learn Picture Languages

  • Popis výsledku v původním jazyce

    Analysis of sentences in a natural language is often based on similar methods as analysis of formal languages. Analogically, analysis of pictures could be based on analysis of formal picture languages. However, the field of formal picture languages is not developed enough for this purpose. This paper presents several models of automata accepting two-dimensional languages and outlines their learning capabilities. Further, it examines the possibility of transforming a two-dimensional language into a one-dimensional language and applying machine learning techniques in a single dimension. In this paper, we propose a new representation for formal picture languages consisting of two components - a picture-to-string function and a string language. The function rewrites any two-dimensional picture into a string. A picture language is then the set of all pictures that the function maps into the given string language. Using this representation, picture languages can be learned by applying methods of grammatical inference for string languages.

  • Název v anglickém jazyce

    How to Learn Picture Languages

  • Popis výsledku anglicky

    Analysis of sentences in a natural language is often based on similar methods as analysis of formal languages. Analogically, analysis of pictures could be based on analysis of formal picture languages. However, the field of formal picture languages is not developed enough for this purpose. This paper presents several models of automata accepting two-dimensional languages and outlines their learning capabilities. Further, it examines the possibility of transforming a two-dimensional language into a one-dimensional language and applying machine learning techniques in a single dimension. In this paper, we propose a new representation for formal picture languages consisting of two components - a picture-to-string function and a string language. The function rewrites any two-dimensional picture into a string. A picture language is then the set of all pictures that the function maps into the given string language. Using this representation, picture languages can be learned by applying methods of grammatical inference for string languages.

Klasifikace

  • Druh

    J<sub>ost</sub> - Ostatní články v recenzovaných periodicích

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Research in Computing Science

  • ISSN

    1870-4069

  • e-ISSN

  • Svazek periodika

    148

  • Číslo periodika v rámci svazku

    11

  • Stát vydavatele periodika

    MX - Spojené státy mexické

  • Počet stran výsledku

    12

  • Strana od-do

    115-126

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus