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”

Evolutionary learning of regularization networks with product kernel units

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F11%3A00369174" target="_blank" >RIV/67985807:_____/11:00369174 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/ICSMC.2011.6083783" target="_blank" >http://dx.doi.org/10.1109/ICSMC.2011.6083783</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICSMC.2011.6083783" target="_blank" >10.1109/ICSMC.2011.6083783</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Evolutionary learning of regularization networks with product kernel units

  • Popis výsledku v původním jazyce

    This paper deals with learning possibilities of regularization networks with product kernel units. Approximation problems formulated as regularized minimization problems with kernel-based stabilizers lead to solutions of the shape of linear combination of kernel functions. These can be expressed as one-hidden layer feed-forward neural network schemes, called regularization networks. We propose a novel evolutionary algorithm utilizing for regularization networks with product kernels. This algorithm utilizes genetic search for suitable network parameters as well as kernel functions.

  • Název v anglickém jazyce

    Evolutionary learning of regularization networks with product kernel units

  • Popis výsledku anglicky

    This paper deals with learning possibilities of regularization networks with product kernel units. Approximation problems formulated as regularized minimization problems with kernel-based stabilizers lead to solutions of the shape of linear combination of kernel functions. These can be expressed as one-hidden layer feed-forward neural network schemes, called regularization networks. We propose a novel evolutionary algorithm utilizing for regularization networks with product kernels. This algorithm utilizes genetic search for suitable network parameters as well as kernel functions.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2011

  • 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

    Systems, Man and Cybernetics

  • ISBN

    978-1-4577-0652-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    638-643

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway

  • Místo konání akce

    Anchorage

  • Datum konání akce

    9. 10. 2011

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000298615101031