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”

Performance analysis of the activation neuron function in the Flexible Neural Tree model

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86096576" target="_blank" >RIV/61989100:27240/14:86096576 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/14:86096576

  • Výsledek na webu

    <a href="http://ceur-ws.org/Vol-1139/paper4.pdf" target="_blank" >http://ceur-ws.org/Vol-1139/paper4.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Performance analysis of the activation neuron function in the Flexible Neural Tree model

  • Popis výsledku v původním jazyce

    The time series prediction and forecasting is an important area in the field of Machine Learning. Around ten years ago, a kind of Multilayer Neural Network was introduced under the name of Flexible Neural Tree (FNT). This model uses meta-heuristic techniques to determinate its topology and its embedded parameters. The FNT model has been successfully employed on time-series modeling and temporal learning tasks. The activation function used in the FNT belongs to the family of radial basis functions. It isa parametric function and the parameters are set employing an heuristic procedure. In this article, we analyze the impact on the performance of the FNT model when it used other family of neuron activation functions. For that, we use the hyperbolic tangent and Fermi activation functions on the tree nodes. Both functions have been extensively used in the field of Neural Networks. Moreover, we study the FNT technique with a linear variant of the Fermi function. We present an experimental c

  • Název v anglickém jazyce

    Performance analysis of the activation neuron function in the Flexible Neural Tree model

  • Popis výsledku anglicky

    The time series prediction and forecasting is an important area in the field of Machine Learning. Around ten years ago, a kind of Multilayer Neural Network was introduced under the name of Flexible Neural Tree (FNT). This model uses meta-heuristic techniques to determinate its topology and its embedded parameters. The FNT model has been successfully employed on time-series modeling and temporal learning tasks. The activation function used in the FNT belongs to the family of radial basis functions. It isa parametric function and the parameters are set employing an heuristic procedure. In this article, we analyze the impact on the performance of the FNT model when it used other family of neuron activation functions. For that, we use the hyperbolic tangent and Fermi activation functions on the tree nodes. Both functions have been extensively used in the field of Neural Networks. Moreover, we study the FNT technique with a linear variant of the Fermi function. We present an experimental c

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • 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

    CEUR Workshop Proceedings. Volume 1139

  • ISBN

    978-80-01-05482-6

  • ISSN

    1613-0073

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    35-46

  • Název nakladatele

    ceur-ws.org

  • Místo vydání

    Aachen

  • Místo konání akce

    Roudnice nad Labem

  • Datum konání akce

    16. 5. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku