Short Time Series of Website Visits Prediction by RBF Neural Networks and Support Vector Machine Regression
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F12%3A39894570" target="_blank" >RIV/00216275:25410/12:39894570 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-642-29347-4_16" target="_blank" >http://dx.doi.org/10.1007/978-3-642-29347-4_16</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-29347-4_16" target="_blank" >10.1007/978-3-642-29347-4_16</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Short Time Series of Website Visits Prediction by RBF 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 short time series (website of the University of Pardubice, Czech Republic). There are various short time series according to different visitors or interest of visitors (students, employees, documents). Further, a model (including RBF neural networks and epsilon-SVRs) was developed for short time series prediction. Themodel includes decomposition of data to training and testing data set using the cluster procedure. The next part of the paper describes the predictions of the web domain visits, which depend on this model, as well as outlines an analysis of the results.
Název v anglickém jazyce
Short Time Series of Website Visits Prediction by RBF 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 short time series (website of the University of Pardubice, Czech Republic). There are various short time series according to different visitors or interest of visitors (students, employees, documents). Further, a model (including RBF neural networks and epsilon-SVRs) was developed for short time series prediction. Themodel includes decomposition of data to training and testing data set using the cluster procedure. The next part of the paper describes the predictions of the web domain visits, which depend on this model, as well as outlines an analysis of the results.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2012
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
Artificial Intelligence and Soft Computing
ISBN
978-3-642-29346-7
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
8
Strana od-do
135-142
Název nakladatele
Springer
Místo vydání
Berlin
Místo konání akce
Zakopane
Datum konání akce
29. 4. 2012
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—