Pre-processing for the RBF-NNs with flexible parameters for multi-dimensional data
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F18%3A43958035" target="_blank" >RIV/49777513:23520/18:43958035 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/CINTI.2018.8928225" target="_blank" >http://dx.doi.org/10.1109/CINTI.2018.8928225</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/CINTI.2018.8928225" target="_blank" >10.1109/CINTI.2018.8928225</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Pre-processing for the RBF-NNs with flexible parameters for multi-dimensional data
Popis výsledku v původním jazyce
This paper describes a solution to the optimization task of approximation by radial-basis-function (RBF) neural network. The proposed method is created for the teacher NNs for complex system and is addressed to the problem of variable shape parameters for data using the RBF. It involves the k-means algorithm, the RBF neural network, the ideas of the algorithm for placing new centers of neurons and the structure of the future deep learning complex neural network.
Název v anglickém jazyce
Pre-processing for the RBF-NNs with flexible parameters for multi-dimensional data
Popis výsledku anglicky
This paper describes a solution to the optimization task of approximation by radial-basis-function (RBF) neural network. The proposed method is created for the teacher NNs for complex system and is addressed to the problem of variable shape parameters for data using the RBF. It involves the k-means algorithm, the RBF neural network, the ideas of the algorithm for placing new centers of neurons and the structure of the future deep learning complex neural network.
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
<a href="/cs/project/GA17-05534S" target="_blank" >GA17-05534S: Meshless metody pro vizualizaci velkých časově-prostorových vektorových dat</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
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
18th IEEE International Symposium on Computational Intelligence and Informatics
ISBN
978-1-72811-117-9
ISSN
2471-9269
e-ISSN
—
Počet stran výsledku
6
Strana od-do
19-24
Název nakladatele
IEEE
Místo vydání
Danvers
Místo konání akce
Budapest
Datum konání akce
21. 11. 2018
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—