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”

Není k dispozici

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F04%3A03099378" target="_blank" >RIV/68407700:21230/04:03099378 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Single Categorizing and Learning Module for Temporal Sequences

  • Popis výsledku v původním jazyce

    Modifications of an existing neural network called Categorizing and Learning Module (CALM) that allow learning of temporal sequences are introduced in this paper. We embedded an associative learning mechanism which allows to look into the past when classifying present stimuli. We have built in the Euclidean metrics instead of the weighted sum found in the original learning rule. This improvement allows better discrimination in case of learning low dimensional patterns in the temporal sequences. Resultswere obtained from testing the enhanced module on simple artificial data. These experiments promise applicability of the enhanced module in a real problem domain.

  • Název v anglickém jazyce

    Single Categorizing and Learning Module for Temporal Sequences

  • Popis výsledku anglicky

    Modifications of an existing neural network called Categorizing and Learning Module (CALM) that allow learning of temporal sequences are introduced in this paper. We embedded an associative learning mechanism which allows to look into the past when classifying present stimuli. We have built in the Euclidean metrics instead of the weighted sum found in the original learning rule. This improvement allows better discrimination in case of learning low dimensional patterns in the temporal sequences. Resultswere obtained from testing the enhanced module on simple artificial data. These experiments promise applicability of the enhanced module in a real problem domain.

Klasifikace

  • Druh

    A - Audiovizuální tvorba

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2004

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • ISBN

    0-7803-8360-5

  • Místo vydání

    Piscataway

  • Název nakladatele resp. objednatele

  • Verze

  • Identifikační číslo nosiče

    neuvedeno