Input Filters Implementing Diversity in Ensemble of Neural Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F15%3AA1601EAV" target="_blank" >RIV/61988987:17310/15:A1601EAV - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Input Filters Implementing Diversity in Ensemble of Neural Networks

Popis výsledku v původním jazyce

This paper discusses possibilities how to use input filters to improve performance in ensemble of neural-networks-based classifiers. The proposed method is based on filtering of input vectors in the used training set, which minimize demands on data preprocessing. Our approach comes out from a technique called boosting, which is based on the principle of combining a large number of so-called weak classifiers into a strong classifier. In the experimental study, we verified that such classifiers are able to sufficiently classify the submitted data into predefined classes without knowledge of details of their significance.

Název v anglickém jazyce

Input Filters Implementing Diversity in Ensemble of Neural Networks

Popis výsledku anglicky

This paper discusses possibilities how to use input filters to improve performance in ensemble of neural-networks-based classifiers. The proposed method is based on filtering of input vectors in the used training set, which minimize demands on data preprocessing. Our approach comes out from a technique called boosting, which is based on the principle of combining a large number of so-called weak classifiers into a strong classifier. In the experimental study, we verified that such classifiers are able to sufficiently classify the submitted data into predefined classes without knowledge of details of their significance.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Hybrid Artificial Intelligent Systems, Lecture Notes in Computer Science

ISBN

978-3-319-19643-5

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

12

Strana od-do

307-318

Název nakladatele

Springer International Publishing

Místo vydání

Switzerland

Místo konání akce

Bilbao, Spain

Datum konání akce

22. 6. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000363689900026