Linear and Non-Linear Models for Signal Prediction

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F09%3A00022098" target="_blank" >RIV/60461373:22340/09:00022098 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Linear and Non-Linear Models for Signal Prediction
Popis výsledku v původním jazyce
The focus of the study is in the proposal of a suitable prediction model and comparison of results of different methods. Methods presented include polynomial models, autoregressive models, linear neural networks, adaptive linear element, feed-forward neural networks, the Elman neural networks and a recurrent neural networks with a real time recurrent learning algorithm. The created algorithms have been then applied for processing of real data representing gas consumption in the Czech Republic.
Název v anglickém jazyce
Linear and Non-Linear Models for Signal Prediction
Popis výsledku anglicky
The focus of the study is in the proposal of a suitable prediction model and comparison of results of different methods. Methods presented include polynomial models, autoregressive models, linear neural networks, adaptive linear element, feed-forward neural networks, the Elman neural networks and a recurrent neural networks with a real time recurrent learning algorithm. The created algorithms have been then applied for processing of real data representing gas consumption in the Czech Republic.

Rok uplatnění
2009
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings 17th Annual Conference Technical Computing Prague 2009
ISBN
978-80-7080-733-0
ISSN
—
e-ISSN
—
Počet stran výsledku
20
Strana od-do
—
Název nakladatele
Humusoft
Místo vydání
Praha
Místo konání akce
Praha
Datum konání akce
19. 11. 2009
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—

Podobné výsledky(10)