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”

GRAPH VISUALISATION BY CONCURRENT DIFFERENTIAL EVOLUTION

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F15%3A86096581" target="_blank" >RIV/61989100:27740/15:86096581 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.14311/NNW.2015.25.019" target="_blank" >http://dx.doi.org/10.14311/NNW.2015.25.019</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.14311/NNW.2015.25.019" target="_blank" >10.14311/NNW.2015.25.019</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    GRAPH VISUALISATION BY CONCURRENT DIFFERENTIAL EVOLUTION

  • Popis výsledku v původním jazyce

    A representative dimensionality reduction is an important step in the analysis of real-world data. Vast amounts of raw data are generated by cyber-physical and information systems in different domains. They often feature A combination of high dimensionality, large volume, and vague, loosely defined structure. The main goal of visual data analysis is an intuitive, comprehensible, efficient, and graphically appealing representation of information and knowledge that can be found in such collections. In order to achieve an efficient visualisation, raw data need to be transformed into a refined form suitable for machine and human analysis. Various methods of dimension reduction and projection to low-dimensional spaces are used to accomplish this task. Sammon's projection is a well-known non-linear projection algorithm valued for its ability to preserve dependencies from an original high-dimensional data space in the low-dimensional projection space. Recently, it has been shown that bio-insp

  • Název v anglickém jazyce

    GRAPH VISUALISATION BY CONCURRENT DIFFERENTIAL EVOLUTION

  • Popis výsledku anglicky

    A representative dimensionality reduction is an important step in the analysis of real-world data. Vast amounts of raw data are generated by cyber-physical and information systems in different domains. They often feature A combination of high dimensionality, large volume, and vague, loosely defined structure. The main goal of visual data analysis is an intuitive, comprehensible, efficient, and graphically appealing representation of information and knowledge that can be found in such collections. In order to achieve an efficient visualisation, raw data need to be transformed into a refined form suitable for machine and human analysis. Various methods of dimension reduction and projection to low-dimensional spaces are used to accomplish this task. Sammon's projection is a well-known non-linear projection algorithm valued for its ability to preserve dependencies from an original high-dimensional data space in the low-dimensional projection space. Recently, it has been shown that bio-insp

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Neural Network World

  • ISSN

    1210-0552

  • e-ISSN

  • Svazek periodika

    25

  • Číslo periodika v rámci svazku

    4

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    7

  • Strana od-do

    369-386

  • Kód UT WoS článku

    000361503300002

  • EID výsledku v databázi Scopus