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”

ESB neural-networks-based classifiers

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F12%3AA13017K2" target="_blank" >RIV/61988987:17310/12:A13017K2 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://projects.osu.eu/intsys/software/esb_nnclass.html" target="_blank" >http://projects.osu.eu/intsys/software/esb_nnclass.html</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    ESB neural-networks-based classifiers

  • Popis výsledku v původním jazyce

    In this software we demonstrate an experimental study which was aimed to explore the possibility of using neural network as the base algorithms for so called weak classifiers. In our experiment neural networks went only through one adaptation cycle. We have generated experimental ensembles of 100 weak classifiers based on five types of neural networks. A total of 3,240 of such ensembles have been created and tested. We have proposed filtering of input as the new diversity-achieving method. We have tested this method in common with two others methods. The experiment has been conducted over the MNIST database.

  • Název v anglickém jazyce

    ESB neural-networks-based classifiers

  • Popis výsledku anglicky

    In this software we demonstrate an experimental study which was aimed to explore the possibility of using neural network as the base algorithms for so called weak classifiers. In our experiment neural networks went only through one adaptation cycle. We have generated experimental ensembles of 100 weak classifiers based on five types of neural networks. A total of 3,240 of such ensembles have been created and tested. We have proposed filtering of input as the new diversity-achieving method. We have tested this method in common with two others methods. The experiment has been conducted over the MNIST database.

Klasifikace

  • Druh

    R - Software

  • 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

  • Interní identifikační kód produktu

    NNCLASS

  • Technické parametry

    Michal Janošek, OU PřF KIP, michal.janosek@osu.cz

  • Ekonomické parametry

    weak classifiers - diversity enhancement

  • IČO vlastníka výsledku

    61988987

  • Název vlastníka

    Ostravská Univerzita v Ostravě