Performance of Probabilistic Approach and Artificial Neural Network on Questionnaire Data Concerning Taiwanese Ecotourism
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F21%3A00531046" target="_blank" >RIV/67985556:_____/21:00531046 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61384399:31160/21:00055612
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-981-15-4917-5_22" target="_blank" >http://dx.doi.org/10.1007/978-981-15-4917-5_22</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-981-15-4917-5_22" target="_blank" >10.1007/978-981-15-4917-5_22</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Performance of Probabilistic Approach and Artificial Neural Network on Questionnaire Data Concerning Taiwanese Ecotourism
Popis výsledku v původním jazyce
This paper aims to perform modeling of Taiwanese farm and ecotourism data using compositional models as a probabilistic approach and to compare its results with the performance of an artificial neural network approach. Authors use probabilistic compositional models together with the artificial neural network as a classifier and compare the accuracy of both approaches. The probabilistic model structure is learned using hill climbing algorithm, and the weights of multilayer feedforward artificial neural network are learned using an R implementation of H2O library for deep learning. In case of both approaches, we employ a non-exhaustive cross-validation method and compare the models. The comparison is augmented by the structure of the compositional model and basic characterization of artificial neural network. As expected, the compositional models show significant advantages in interpretability of results and (probabilistic) relations between variables, whereas the artificial neural network provides more accurate yet “black-box” model.
Název v anglickém jazyce
Performance of Probabilistic Approach and Artificial Neural Network on Questionnaire Data Concerning Taiwanese Ecotourism
Popis výsledku anglicky
This paper aims to perform modeling of Taiwanese farm and ecotourism data using compositional models as a probabilistic approach and to compare its results with the performance of an artificial neural network approach. Authors use probabilistic compositional models together with the artificial neural network as a classifier and compare the accuracy of both approaches. The probabilistic model structure is learned using hill climbing algorithm, and the weights of multilayer feedforward artificial neural network are learned using an R implementation of H2O library for deep learning. In case of both approaches, we employ a non-exhaustive cross-validation method and compare the models. The comparison is augmented by the structure of the compositional model and basic characterization of artificial neural network. As expected, the compositional models show significant advantages in interpretability of results and (probabilistic) relations between variables, whereas the artificial neural network provides more accurate yet “black-box” model.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/GA19-06569S" target="_blank" >GA19-06569S: Manažerské rozhodování: racionalita paradoxního chování</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2021
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
Sensor Networks and Signal Processing
ISBN
978-981-15-4916-8
ISSN
—
e-ISSN
—
Počet stran výsledku
13
Strana od-do
283-295
Název nakladatele
Springer
Místo vydání
Singapore
Místo konání akce
Hualien
Datum konání akce
19. 11. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—