Visualizační techniky využívající citlivostní analýzu modelů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03136553" target="_blank" >RIV/68407700:21230/07:03136553 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Visualization techniques utilizing the sensitivity analysis of models

Popis výsledku v původním jazyce

Models of real world systems are being increasingly generated from data that describes the behaviour of systems. Data mining techniques, such as Artificial Neural Networks (ANN), generate models almost independently and deliver accurate models in a veryshort time. These models have complex internal structures that are difficult to interpret and we have very limited information about the credibility of their output.In this paper, we present visualization techniques based on sensitivity analysis aimed todiscover relationships between variables and to recognize regions where the output is credible and where it is not. We have developed visualization techniques both for regression and classification problems. Finally, we present an algorithm that is ableto automatically locate the most interesting visualizations in the vast multidimensional space of input variables.

Název v anglickém jazyce

Visualization techniques utilizing the sensitivity analysis of models

Popis výsledku anglicky

Models of real world systems are being increasingly generated from data that describes the behaviour of systems. Data mining techniques, such as Artificial Neural Networks (ANN), generate models almost independently and deliver accurate models in a veryshort time. These models have complex internal structures that are difficult to interpret and we have very limited information about the credibility of their output.In this paper, we present visualization techniques based on sensitivity analysis aimed todiscover relationships between variables and to recognize regions where the output is credible and where it is not. We have developed visualization techniques both for regression and classification problems. Finally, we present an algorithm that is ableto automatically locate the most interesting visualizations in the vast multidimensional space of input variables.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/KJB201210701" target="_blank" >KJB201210701: Automatická extrakce znalostí</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2007

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 2007 Winter Simulation Conference

ISBN

1-4244-1306-0

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

730-737

Název nakladatele

ACM

Místo vydání

New York

Místo konání akce

Washington

Datum konání akce

9. 12. 2007

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—