On Monotonic Radial Basis Function Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F24%3A00363278" target="_blank" >RIV/68407700:21230/24:00363278 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/TCYB.2022.3185827" target="_blank" >https://doi.org/10.1109/TCYB.2022.3185827</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/TCYB.2022.3185827" target="_blank" >10.1109/TCYB.2022.3185827</a>

Jazyk výsledku

angličtina

Název v původním jazyce

On Monotonic Radial Basis Function Networks

Popis výsledku v původním jazyce

This article deals with monotonicity conditions for radial basis function (RBF) networks. Two architectures of RBF networks are considered-1) unnormalized network with a local character of the basis function and 2) a normalized network where the value of RBF is taken relatively with respect to the others. Different approaches are followed for each of them. For the former, monotonicity is enforced in prescribed points whereas for the latter sufficient monotonicity conditions are formulated. In both cases, the monotonicity conditions are expressed as linear constraints on the network weights that enable efficient solving of the related optimization problems. Many illustrative examples are presented to show the advantages of incorporating prior information in the form of monotonicity.

Název v anglickém jazyce

On Monotonic Radial Basis Function Networks

Popis výsledku anglicky

This article deals with monotonicity conditions for radial basis function (RBF) networks. Two architectures of RBF networks are considered-1) unnormalized network with a local character of the basis function and 2) a normalized network where the value of RBF is taken relatively with respect to the others. Different approaches are followed for each of them. For the former, monotonicity is enforced in prescribed points whereas for the latter sufficient monotonicity conditions are formulated. In both cases, the monotonicity conditions are expressed as linear constraints on the network weights that enable efficient solving of the related optimization problems. Many illustrative examples are presented to show the advantages of incorporating prior information in the form of monotonicity.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/GA18-26278S" target="_blank" >GA18-26278S: Zahrnutí apriorní informace při identifikaci nelineárních systémů</a><br>

Návaznosti

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

Rok uplatnění

2024

Kód důvěrnosti údajů

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

Název periodika

IEEE Transactions on Cybernetics

ISSN

2168-2267

e-ISSN

2168-2275

Svazek periodika

54

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

11

Strana od-do

717-727

Kód UT WoS článku

000829071200001

EID výsledku v databázi Scopus

2-s2.0-85135205378