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”

Improving the speed and quality of extreme learning machine by conjugate gradient method

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241695" target="_blank" >RIV/61989100:27240/18:10241695 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-60834-1_14" target="_blank" >http://dx.doi.org/10.1007/978-3-319-60834-1_14</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-60834-1_14" target="_blank" >10.1007/978-3-319-60834-1_14</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Improving the speed and quality of extreme learning machine by conjugate gradient method

  • Popis výsledku v původním jazyce

    Extreme Learning Machine (ELM) is a novel learning algorithm. It is basically a feedforward neural network with one hidden layer, fixed input weights and fixed biases. ELM has become popular in recent years due to the fast learning speed and good generalization performance. A novel approach based on Conjugate Gradient Method (CG) is proposed in this Article to improve original ELM. As experiments show, proposed approach is both faster and have higher quality on all tested datasets. Results have also shown that higher quality can be achieved after four iterations of CG. This means that expensive pseudo-inverse operation used in the original algorithm can be replaced by four matrix-vector multiplication and several scalar products. Therefore the proposed approach is more suitable for parallel architectures or can be used for larger datasets. (C) 2018, Springer International Publishing AG.

  • Název v anglickém jazyce

    Improving the speed and quality of extreme learning machine by conjugate gradient method

  • Popis výsledku anglicky

    Extreme Learning Machine (ELM) is a novel learning algorithm. It is basically a feedforward neural network with one hidden layer, fixed input weights and fixed biases. ELM has become popular in recent years due to the fast learning speed and good generalization performance. A novel approach based on Conjugate Gradient Method (CG) is proposed in this Article to improve original ELM. As experiments show, proposed approach is both faster and have higher quality on all tested datasets. Results have also shown that higher quality can be achieved after four iterations of CG. This means that expensive pseudo-inverse operation used in the original algorithm can be replaced by four matrix-vector multiplication and several scalar products. Therefore the proposed approach is more suitable for parallel architectures or can be used for larger datasets. (C) 2018, Springer International Publishing AG.

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

    S - Specificky vyzkum na vysokych skolach

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

    Advances in intelligent systems and computing. Volume 565

  • ISBN

    978-3-319-60833-4

  • ISSN

    2194-5357

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    10

  • Strana od-do

    128-137

  • Název nakladatele

    Springer

  • Místo vydání

    Berlin

  • Místo konání akce

    Marrákeš

  • Datum konání akce

    21. 11. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku