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”

Towards Compact and Explainable Deep Belief Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F24%3A10490935" target="_blank" >RIV/00216208:11320/24:10490935 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1109/IJCNN60899.2024.10650547" target="_blank" >https://doi.org/10.1109/IJCNN60899.2024.10650547</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/IJCNN60899.2024.10650547" target="_blank" >10.1109/IJCNN60899.2024.10650547</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Towards Compact and Explainable Deep Belief Networks

  • Popis výsledku v původním jazyce

    The article investigates viable opportunities to extract knowledge from Deep Belief Networks and explain it understandably. The so-called confidence rules constitute an elegant means to express quantitative reasoning performed by the network. The paper introduces a new aproach to extracting confidence rules from the networks that allows for an enhanced accuracy of the inference. Compared to rival rule extraction techniques, supporting experiments confirm a significant improvement in inference accuracy obtained with less than one-fifth of the original network weights.

  • Název v anglickém jazyce

    Towards Compact and Explainable Deep Belief Networks

  • Popis výsledku anglicky

    The article investigates viable opportunities to extract knowledge from Deep Belief Networks and explain it understandably. The so-called confidence rules constitute an elegant means to express quantitative reasoning performed by the network. The paper introduces a new aproach to extracting confidence rules from the networks that allows for an enhanced accuracy of the inference. Compared to rival rule extraction techniques, supporting experiments confirm a significant improvement in inference accuracy obtained with less than one-fifth of the original network weights.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • 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

    2024

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IJCNN 2024 Conference Proceedings

  • ISBN

    979-8-3503-5931-2

  • ISSN

    2161-4393

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

    11054-11062

  • Název nakladatele

    IEEE

  • Místo vydání

    New York, NY

  • Místo konání akce

    Yokohama

  • Datum konání akce

    30. 6. 2024

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku