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”

Lenses Classification by means of Pseudo Neural Networks ? Two Approaches

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F14%3A43871644" target="_blank" >RIV/70883521:28140/14:43871644 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Lenses Classification by means of Pseudo Neural Networks ? Two Approaches

  • Popis výsledku v původním jazyce

    This research deals with a novel approach to classification. This paper deals with a synthesis of a complex structure, which serves as a classifier. This structure is similar to classical artificial neural net therefore the name pseudo neural network isused. The proposed method for classifier structure synthesis utilizes Analytic Programming (AP) as the tool of the evolutionary symbolic regression. AP synthesizes a whole structure of the relation between inputs and output. Classical artificial neural networks, where a relation between inputs and outputs is based on the mathematical transfer functions and optimized numerical weights, were an inspiration for this work. The paper shows two approaches ? continues classification with one output node and classical approach with binary classification and more output nodes. Lenses data (one of benchmarks for classifiers) was used for testing of the proposed method. For experimentation, Differential Evolution for the main procedure and also fo

  • Název v anglickém jazyce

    Lenses Classification by means of Pseudo Neural Networks ? Two Approaches

  • Popis výsledku anglicky

    This research deals with a novel approach to classification. This paper deals with a synthesis of a complex structure, which serves as a classifier. This structure is similar to classical artificial neural net therefore the name pseudo neural network isused. The proposed method for classifier structure synthesis utilizes Analytic Programming (AP) as the tool of the evolutionary symbolic regression. AP synthesizes a whole structure of the relation between inputs and output. Classical artificial neural networks, where a relation between inputs and outputs is based on the mathematical transfer functions and optimized numerical weights, were an inspiration for this work. The paper shows two approaches ? continues classification with one output node and classical approach with binary classification and more output nodes. Lenses data (one of benchmarks for classifiers) was used for testing of the proposed method. For experimentation, Differential Evolution for the main procedure and also fo

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED2.1.00%2F03.0089" target="_blank" >ED2.1.00/03.0089: Centrum bezpečnostních, informačních a pokročilých technologií (CEBIA-Tech)</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    MENDEL 2014 20 th International conference on soft Computing

  • ISBN

    978-80-214-4984-8

  • ISSN

    1803-3814

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    397-401

  • Název nakladatele

    Vysoké učení technické v Brně, Fakulta strojního inženýrství

  • Místo vydání

    Brno

  • Místo konání akce

    Brno

  • Datum konání akce

    25. 6. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku