Robust interquantile multilayer perceptron 1.0

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F20%3A00532797" target="_blank" >RIV/67985807:_____/20:00532797 - isvavai.cz</a>

Výsledek na webu

<a href="https://github.com/Veragin/Interquantile-multilayer-perceptron" target="_blank" >https://github.com/Veragin/Interquantile-multilayer-perceptron</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Robust interquantile multilayer perceptron 1.0

Popis výsledku v původním jazyce

An interquantile multilayer perceptron. The idea is to compute two selected nonlinear regression quantiles by means of multilayer perceptrons (MLPs) and the final regression fit is obtained as a standard MLP computed however only for such observations, which are between the two quantiles. To achieve robustness, the remaining observations are ignored completely.

Název v anglickém jazyce

Robust interquantile multilayer perceptron 1.0

Popis výsledku anglicky

An interquantile multilayer perceptron. The idea is to compute two selected nonlinear regression quantiles by means of multilayer perceptrons (MLPs) and the final regression fit is obtained as a standard MLP computed however only for such observations, which are between the two quantiles. To achieve robustness, the remaining observations are ignored completely.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA19-05704S" target="_blank" >GA19-05704S: FoNeCo: Analytické základy neurovýpočtů</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

Interquantile 1.0

Technické parametry

Kód v Pythonu je samostatně spustitelný. Je třeba, aby uživatel instaloval v Pythonu math, NumPy, TensorFlow a Keras. Spuštění kódu je přímočaré podle dokumentace. Dostupné pod licencí MIT.

Ekonomické parametry

Software umožňuje uživateli provést robustní trénování neuronových sítí založené na vhodných (spolehlivých) pozorováních mezi dvěma nelineárními regresními kvantily. Kód je implementován velmi efektivně a přehledně. Práce s kódem je tak výpočetně rychlejší oproti jiným implementacím, které využívají komplikované a tedy zdlouhavé postupy.

IČO vlastníka výsledku

67985807

Název vlastníka

Ústav informatiky AV ČR, v. v. i.