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”

Klasifikace objektů samoučením neuronové sítě

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F09%3A00139755" target="_blank" >RIV/62156489:43110/09:00139755 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Klasifikace objektů samoučením neuronové sítě

  • Popis výsledku v původním jazyce

    Obsah příspěvku je zaměřen na klasifikaci objektů využitím samoučící se umělé neuronové sítě. To je situace, kdy nejsou známé množiny objektů jednotlivých klasifikačních tříd. V opačném případě by bylo možné využít vícevrstvou neuronovou síť s učením podle vzorů. Výhodou samoučení sítě je (kromě jiného), že její klasifikace není zatížena subjektivním názorem. V příspěvku je stručně popsán obecný metodický přístup k řešení klasifikačního problému samoučením neuronové sítě, prezentovány příklady potvrzující funkčnost metody i použitého modelu neuronové sítě. V závěrečné úloze je uvedena klasifikace množiny reálných podniků do tříd: dobré podniky, průměrné a slabé.

  • Název v anglickém jazyce

    Object's Classification Using Self-Organizing Neural Net

  • Popis výsledku anglicky

    Contribution's content is oriented toward object's classification, using self-organizing neu-ral net. This is situation, when are unknown sets separate classification of objects. In the op-posite case it would be possible to use multilayer neural net with learning according patterns. Advantage of self-organizing net is (except other), that classification is not weighted subjec-tive opinion. In this contribution is briefly description generally methodical access to classification's problem solution by self-organizing neural net, are presented examples validating method's functionality and used of the neural net's model. At the closing task is presented classification of set actual enterprises to classes: good, me-dium and not good.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2009

  • 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

    Firma a konkurenční prostředí 2009 - 5. část

  • ISBN

    978-80-7392-088-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

  • Název nakladatele

    MSD, s. r. o.,

  • Místo vydání

    Brno

  • Místo konání akce

  • Datum konání akce

  • Typ akce podle státní příslušnosti

  • Kód UT WoS článku