Application of Relative Derivation Terms by Polynomial Neural Networks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F13%3A86087472" target="_blank" >RIV/61989100:27740/13:86087472 - isvavai.cz</a>
Výsledek na webu
<a href="http://ceur-ws.org/Vol-971/poster15.pdf" target="_blank" >http://ceur-ws.org/Vol-971/poster15.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Application of Relative Derivation Terms by Polynomial Neural Networks
Popis výsledku v původním jazyce
A lot of problems involve unknown data relations, which can define a derivative based model of dependent variables generalization. Standard soft-computing methods (as artificial neural networks or fuzzy rules) apply usual absolute interval values of input variables. The new proposed differential polynomial neural network makes use of relative data, which can better describe the character regarding a wider range of input values. It constructs and resolves an unknown partial differential equation, using fractional polynomial sum derivative terms of relative data changes. This method might be applied to solve problems concerned a visual pattern generalization or complex system modeling.
Název v anglickém jazyce
Application of Relative Derivation Terms by Polynomial Neural Networks
Popis výsledku anglicky
A lot of problems involve unknown data relations, which can define a derivative based model of dependent variables generalization. Standard soft-computing methods (as artificial neural networks or fuzzy rules) apply usual absolute interval values of input variables. The new proposed differential polynomial neural network makes use of relative data, which can better describe the character regarding a wider range of input values. It constructs and resolves an unknown partial differential equation, using fractional polynomial sum derivative terms of relative data changes. This method might be applied to solve problems concerned a visual pattern generalization or complex system modeling.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/EE2.3.30.0016" target="_blank" >EE2.3.30.0016: Příležitost pro mladé výzkumníky</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2013
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 971
ISBN
978-80-248-2968-5
ISSN
1613-0073
e-ISSN
—
Počet stran výsledku
11
Strana od-do
98-108
Název nakladatele
VŠB - Technická univerzita Ostrava
Místo vydání
Ostrava
Místo konání akce
Písek
Datum konání akce
17. 4. 2013
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—