RegNeN 2012

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F12%3A00200395" target="_blank" >RIV/68407700:21110/12:00200395 - isvavai.cz</a>

Výsledek na webu

<a href="http://klobouk.fsv.cvut.cz/~anicka/regnen/regnen.html" target="_blank" >http://klobouk.fsv.cvut.cz/~anicka/regnen/regnen.html</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

RegNeN 2012

Popis výsledku v původním jazyce

Program for finding optimal regression function of given data using artificial neural network (ANN). The implemented ANN architecture is based on fully connected three-layer perceptron. It offers the choice between two training algorithms, the deterministic conjugate gradient-based algorithm and the stochastic Covariance Matrix Adaptation Evolution Strategy (CMA-ES). The software can normalize the training and testing data according to the specification in the input file. The user has to supply it by the training and testing data. During the training phase, the number of hidden neurons is automatically increased and overtraining is evaluated by the cross-validation method. The resulting best topology is then evaluated on the provided independent testing data.

Název v anglickém jazyce

RegNeN 2012

Popis výsledku anglicky

Program for finding optimal regression function of given data using artificial neural network (ANN). The implemented ANN architecture is based on fully connected three-layer perceptron. It offers the choice between two training algorithms, the deterministic conjugate gradient-based algorithm and the stochastic Covariance Matrix Adaptation Evolution Strategy (CMA-ES). The software can normalize the training and testing data according to the specification in the input file. The user has to supply it by the training and testing data. During the training phase, the number of hidden neurons is automatically increased and overtraining is evaluated by the cross-validation method. The resulting best topology is then evaluated on the provided independent testing data.

Druh

R - Software

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GPP105%2F11%2FP370" target="_blank" >GPP105/11/P370: Využití umělých neuronových sítí při víceúrovňovém modelování transportních procesů v heterogenních materiálech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2012

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

RegNeN 2012

Technické parametry

verze v C++

Ekonomické parametry

volně k dispozici

IČO vlastníka výsledku

68407700

Název vlastníka

Fakulta stavební ČVUT v Praze