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”

Testing Artificial Neural Network (ANN) for Spatial Interpolation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F14%3A33152902" target="_blank" >RIV/61989592:15310/14:33152902 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://omicsgroup.org/journals/testing-artificial-neural-network-ann-for-spatial-interpolation-2329-6755.1000145.pdf" target="_blank" >http://omicsgroup.org/journals/testing-artificial-neural-network-ann-for-spatial-interpolation-2329-6755.1000145.pdf</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.4172/2329-6755.1000145" target="_blank" >10.4172/2329-6755.1000145</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Testing Artificial Neural Network (ANN) for Spatial Interpolation

  • Popis výsledku v původním jazyce

    The aim of this research is to test Artificial Neural Network (ANN) package in GRASS 6.4 software for spatial interpolation and to compare it with common interpolation techniques IDW and ordinary kriging. This package was also compared with neural networks packages Nnet and Neuralnet available in software R Project. The entire packages uses multi-layer perceptron (MLP) model trained with the back propagation algorithm. Evaluation methods were based mainly on RMSE. All the tests were done on artificial data created in R Project software; which simulated three surfaces with different characteristics. In order to find the best configuration for the multilayer perceptron many different settings of network were tested (test-and-trial method). The number ofneurons in hidden layers was the main tested parameter. Results indicate that MLP model in the ANN module implemented in GRASS can be used for spatial interpolation purposes. However the resulting RMSE was higher than RMSE from IDW and or

  • Název v anglickém jazyce

    Testing Artificial Neural Network (ANN) for Spatial Interpolation

  • Popis výsledku anglicky

    The aim of this research is to test Artificial Neural Network (ANN) package in GRASS 6.4 software for spatial interpolation and to compare it with common interpolation techniques IDW and ordinary kriging. This package was also compared with neural networks packages Nnet and Neuralnet available in software R Project. The entire packages uses multi-layer perceptron (MLP) model trained with the back propagation algorithm. Evaluation methods were based mainly on RMSE. All the tests were done on artificial data created in R Project software; which simulated three surfaces with different characteristics. In order to find the best configuration for the multilayer perceptron many different settings of network were tested (test-and-trial method). The number ofneurons in hidden layers was the main tested parameter. Results indicate that MLP model in the ANN module implemented in GRASS can be used for spatial interpolation purposes. However the resulting RMSE was higher than RMSE from IDW and or

Klasifikace

  • Druh

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

  • CEP obor

    DE - Zemský magnetismus, geodesie, geografie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EE2.3.30.0041" target="_blank" >EE2.3.30.0041: Podpora vytváření excelentních výzkumných týmů a intersektorální mobility na Univerzitě Palackého v Olomouci II.</a><br>

  • Návaznosti

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

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 periodika

    Journal of Geology & Geosciences

  • ISSN

    2329-6755

  • e-ISSN

  • Svazek periodika

    3

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    9

  • Strana od-do

    1-9

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus