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”

Adaptive Novelty Detection with Generalized Extreme Value Distribution

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F18%3A43917099" target="_blank" >RIV/60461373:22340/18:43917099 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.23919/AE.2018.8501463" target="_blank" >http://dx.doi.org/10.23919/AE.2018.8501463</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.23919/AE.2018.8501463" target="_blank" >10.23919/AE.2018.8501463</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive Novelty Detection with Generalized Extreme Value Distribution

  • Popis výsledku v původním jazyce

    This paper introduces the new adaptive novelty detection method. The proposed method is using generalized extreme value distribution to evaluate the absolute value of adaptive system weight increments in time. The detection of novelty is threshold-based and the threshold corresponds to the value of joint probability density function. Performance of the proposed algorithm is shown on artificial data. For comparison also results of Learning Entropy algorithm are shown, as this algorithm also evaluates the increments of adaptive weights.

  • Název v anglickém jazyce

    Adaptive Novelty Detection with Generalized Extreme Value Distribution

  • Popis výsledku anglicky

    This paper introduces the new adaptive novelty detection method. The proposed method is using generalized extreme value distribution to evaluate the absolute value of adaptive system weight increments in time. The detection of novelty is threshold-based and the threshold corresponds to the value of joint probability density function. Performance of the proposed algorithm is shown on artificial data. For comparison also results of Learning Entropy algorithm are shown, as this algorithm also evaluates the increments of adaptive weights.

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

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

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

    2018 International Conference on Applied Electronics (AE)

  • ISBN

    978-80-261-0722-4

  • ISSN

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    4

  • Strana od-do

    169-172

  • Název nakladatele

    IEEE Institute of Electrical and Electronics Engineers

  • Místo vydání

    Piscataway, New Jersey

  • Místo konání akce

    Plzeň

  • Datum konání akce

    11. 9. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000450228600038