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”

Comparison of Different Non-statistical Classification Methods

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F12%3A00190768" target="_blank" >RIV/62156489:43110/12:00190768 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparison of Different Non-statistical Classification Methods

  • Popis výsledku v původním jazyce

    In this article, we aim to compare different methods usable for solving classification problems. A substantial number of methods that are not based on mathematical statistics may be used. Exploring these methods is interesting, because they are often capable of solving problems, which are not easily solvable using classificators based purely on mathematical statistics. There are many approaches available such as support vector machines, neural networks, evolutionary algorithms, parallel coordinates, etc. In this article, we concentrate on describing different neural network approaches, parallel coordinates and genetic algorithms. Neural networks come in many flavors (e.g. multi-layer perceptron, non-linear autoregressive networks) and they have achieved some recognition. Genetic algorithms also have been used for classification many times before, but with mixed results. In this article, we describe and evaluate different capabilities of these methods when used for economic data. This f

  • Název v anglickém jazyce

    Comparison of Different Non-statistical Classification Methods

  • Popis výsledku anglicky

    In this article, we aim to compare different methods usable for solving classification problems. A substantial number of methods that are not based on mathematical statistics may be used. Exploring these methods is interesting, because they are often capable of solving problems, which are not easily solvable using classificators based purely on mathematical statistics. There are many approaches available such as support vector machines, neural networks, evolutionary algorithms, parallel coordinates, etc. In this article, we concentrate on describing different neural network approaches, parallel coordinates and genetic algorithms. Neural networks come in many flavors (e.g. multi-layer perceptron, non-linear autoregressive networks) and they have achieved some recognition. Genetic algorithms also have been used for classification many times before, but with mixed results. In this article, we describe and evaluate different capabilities of these methods when used for economic data. This f

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GAP403%2F11%2F2085" target="_blank" >GAP403/11/2085: Konstrukce metod pro vícefaktorové měření komplexní podnikové výkonnosti ve vybraném odvětví.</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2012

  • 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

    Proceedings of the 30th International Conference Mathematical Methods in Economics 2012

  • ISBN

    978-80-7248-779-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    727-732

  • Název nakladatele

    Silesian University in Opava, School of Business Administration in Karviná

  • Místo vydání

    Karviná

  • Místo konání akce

    Karviná

  • Datum konání akce

    1. 1. 2012

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku