Classification of large data sets by neural networks: A probabilistic viewpoint

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F25%3A00638481" target="_blank" >RIV/67985807:_____/25:00638481 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-032-04558-4_38" target="_blank" >http://dx.doi.org/10.1007/978-3-032-04558-4_38</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-032-04558-4_38" target="_blank" >10.1007/978-3-032-04558-4_38</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Classification of large data sets by neural networks: A probabilistic viewpoint

Popis výsledku v původním jazyce

A probabilistic approach to the classification of large data sets is presented. For data drawn from distributions that do not satisfy the naive Bayes assumption (when the presence of features is not independent of one another), conditions on the distributions are given that guarantee the almost deterministic behavior of errors in approximation by neural networks. It is shown that mean values of correlations with network computational units, together with the growth of sizes of their sets of input/output functions, can be used to assess the suitability of networks for classes of tasks characterized by probabilities modeling their relevance for a given type of applications.

Název v anglickém jazyce

Classification of large data sets by neural networks: A probabilistic viewpoint

Popis výsledku anglicky

A probabilistic approach to the classification of large data sets is presented. For data drawn from distributions that do not satisfy the naive Bayes assumption (when the presence of features is not independent of one another), conditions on the distributions are given that guarantee the almost deterministic behavior of errors in approximation by neural networks. It is shown that mean values of correlations with network computational units, together with the growth of sizes of their sets of input/output functions, can be used to assess the suitability of networks for classes of tasks characterized by probabilities modeling their relevance for a given type of applications.

Druh

D - Stať ve sborníku

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/GA25-15490S" target="_blank" >GA25-15490S: LEDNeCo: Nízkoenergetické hluboké neurovýpočty</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Název statě ve sborníku

Artificial Neural Networks and Machine Learning – ICANN 2025. Proceedings, Part I

ISBN

978-3-032-04557-7

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

7

Strana od-do

480-486

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Kaunas

Datum konání akce

9. 9. 2025

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—