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”

Implementace fuzzy systému RBF neuronovou sítí: aplikace pro modelování časových řad

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19240%2F07%3A%230001867" target="_blank" >RIV/47813059:19240/07:#0001867 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    RBF neural network implementation of fuzzy systems: Application to time series modeling

  • Popis výsledku v původním jazyce

    At first, we discuss the basic structure of the fuzzy system as a simple yet powerful fuzzy modeling technique. Neural networks and fuzzy logic models are based on very similar underlying mathematics. The similarity between RBF networks and fuzzy modelsis noted in detail. Then, we propose the extension of RBF neural networks by the cloud model. Time series approximation and prediction by applying RBF neural networks or fuzzy models and comparisons between the various types of RBF networks and statistical models are discussed at length.

  • Název v anglickém jazyce

    RBF neural network implementation of fuzzy systems: Application to time series modeling

  • Popis výsledku anglicky

    At first, we discuss the basic structure of the fuzzy system as a simple yet powerful fuzzy modeling technique. Neural networks and fuzzy logic models are based on very similar underlying mathematics. The similarity between RBF networks and fuzzy modelsis noted in detail. Then, we propose the extension of RBF neural networks by the cloud model. Time series approximation and prediction by applying RBF neural networks or fuzzy models and comparisons between the various types of RBF networks and statistical models are discussed at length.

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

    2007

  • 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

    Rough Sets, Fuzzy Sets, Data Mining and Granular Computing

  • ISBN

    978-3-540-72529-9

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

  • Název nakladatele

  • Místo vydání

    Toronto

  • Místo konání akce

    Toronto

  • Datum konání akce

    1. 1. 2007

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku