Hybrid Learning of RBF Networks.

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F02%3A06020041" target="_blank" >RIV/67985807:_____/02:06020041 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Hybrid Learning of RBF Networks.
Popis výsledku v původním jazyce
Three different learning methods for RBF networks and their combinations are presented. Standard gradient learning, three-step algorithm with unsupervised part, and evolutionary algorithm are introduced. Their performance is compared on two benchmark problems: Two spirals and Iris plants. The results show that three-step learning is usually the fastes, while gradient learning achieves better precision. The combination of these two approaches gives best results.
Název v anglickém jazyce
Hybrid Learning of RBF Networks.
Popis výsledku anglicky
Three different learning methods for RBF networks and their combinations are presented. Standard gradient learning, three-step algorithm with unsupervised part, and evolutionary algorithm are introduced. Their performance is compared on two benchmark problems: Two spirals and Iris plants. The results show that three-step learning is usually the fastes, while gradient learning achieves better precision. The combination of these two approaches gives best results.

Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2002
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)