Modelling of Web Domain Visits by Radial Basis Function Neural Networks and Support Vector Machine Regression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F11%3A39892222" target="_blank" >RIV/00216275:25410/11:39892222 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-23960-1_28" target="_blank" >http://dx.doi.org/10.1007/978-3-642-23960-1_28</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-23960-1_28" target="_blank" >10.1007/978-3-642-23960-1_28</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Modelling of Web Domain Visits by Radial Basis Function Neural Networks and Support Vector Machine Regression

Popis výsledku v původním jazyce

The paper presents basic notions of web mining, radial basis function (RBF) neural networks and epsilon-insensitive support vector machine regression (epsilon-SVR) for the prediction of a time series for the website of the University of Pardubice. The model includes pre-processing time series, design RBF neural networks and epsilon-SVR structures, comparison of the results and time series prediction. The predictions concerning short, intermediate and long time series for various ratios of training and testing data. Prediction of web data can be benfit for a Web server traffic as a complicated complex system.

Název v anglickém jazyce

Modelling of Web Domain Visits by Radial Basis Function Neural Networks and Support Vector Machine Regression

Popis výsledku anglicky

The paper presents basic notions of web mining, radial basis function (RBF) neural networks and epsilon-insensitive support vector machine regression (epsilon-SVR) for the prediction of a time series for the website of the University of Pardubice. The model includes pre-processing time series, design RBF neural networks and epsilon-SVR structures, comparison of the results and time series prediction. The predictions concerning short, intermediate and long time series for various ratios of training and testing data. Prediction of web data can be benfit for a Web server traffic as a complicated complex system.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/SP%2F4I2%2F60%2F07" target="_blank" >SP/4I2/60/07: Indikátory pro hodnocení a modelování internakcí mezi životním prostředím, ekonomikou a sociálními souvislostmi</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2011

Kód důvěrnosti údajů

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

Název statě ve sborníku

IFIP Advances in Information and Communication Technology

ISBN

978-3-642-23959-5

ISSN

1868-4238

e-ISSN

—

Počet stran výsledku

11

Strana od-do

229-239

Název nakladatele

Springer

Místo vydání

New York

Místo konání akce

Corfu

Datum konání akce

15. 9. 2011

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—