Využití samoorganizující se neuronové sítě pro hodnocení chování spotřebitele

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F10%3A00168860" target="_blank" >RIV/62156489:43110/10:00168860 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Využití samoorganizující se neuronové sítě pro hodnocení chování spotřebitele

Popis výsledku v původním jazyce

Tato práce popisuje využití samoorganizující se neuronové sítě pro hodnocení chování spotřebitele. V metodické části hodnotí různé metody učení samoorganizující se neuronové sítě. Na základě porovnání principu učení s učitelem, učení bez učitele a učenís částečným dohledem a jejich omezu jících podmínek jsou vysvětleny výhody přístupu učení s částečným dohledem -- semi-supervised learning. Při zkoumání učicích algoritmů učení s částečným dohledem učitele: label propagation, self- training a co-trainingse ukazuje jako vhodné pro budoucí výzkum zejména využití principu co-training pro učení Kohonenovy mapy. Pro konkrétní aplikace na hodnocení výdajů domácností států Evropské unie pro roky 1999 a 2002 byl vybrán princip učení bez učitele. Výsledkem provedené analýzy jsou Kohonenovy mapy, které znázorňují rozložení výdajů jednotlivých států. Tato grafi cká reprezentace dat umožňuje sledovat kromě zařazení států do několika skupin podobnosti také topologické vztahy mezi těmito daty, grafi

Název v anglickém jazyce

Usage of self-organizing neural networks in evaluation of consumer behaviour

Popis výsledku anglicky

This article deals with usage of self-organizing neural network in evaluation of consumer behaviour. In a method part there are evaluated different methods for learning the self-organizing neural network. On base of comparison of supervised learning, unsupervised learning and semi-supervised learning and their binding conditions there is pointed out an advantage of semi-supervised learning. After exploration of learning algorithms for semi-supervised learning: label propagation, self-training and co-training, the co-training algorithm for Kohonen map learning for future research is evinced. In concrete application in evaluation of household expenses in EU countries for years 1999 and 2002 have been chosen the principle of unsupervised learning. The results of the analysis that have been made are the Kohonen maps. They show a distribution of expenses of each country. This graphic representation makes possible to watch not only the country ranking into several groups of similarity but al

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2010

Kód důvěrnosti údajů

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

Název periodika

Acta universitatis agriculturae et silviculturae Mendelianae Brunensis

ISSN

1211-8516

e-ISSN

—

Svazek periodika

LVIII

Číslo periodika v rámci svazku

6

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

8

Strana od-do

—

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—