Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.author | Martynova, Mariia | |
dc.contributor.author | Kaas, Ondřej | |
dc.date.accessioned | 2020-04-06T10:00:14Z | - |
dc.date.available | 2020-04-06T10:00:14Z | - |
dc.date.issued | 2019 | |
dc.identifier.citation | MARTYNOVA, M., KAAS, O. A Novel Methods Based on Clustering Algorithms as The Neural Network Preprocessing. In: SAMI 2019 • IEEE 17th World Symposium on Applied Machine Intelligence and Informatics. Herlany: IEEE, 2019. s. 317-322. ISBN 978-1-72810-250-4. | en |
dc.identifier.isbn | 978-1-72810-250-4 | |
dc.identifier.uri | 2-s2.0-85070761106 | |
dc.identifier.uri | http://hdl.handle.net/11025/36837 | |
dc.description.abstract | This paper presents experiments in the preprocessing area for Radial Basic Function Neural Network (RBF NN). The main ideas of it are to find optimal preprocessing methods and algorithms, which can optimize input parameters and expedite the processing of neural network. The proposed methods are some novel experiments with flexible shape parameters and automated determination of the neural network initial parameters | en |
dc.description.abstract | Tento článek představuje experimenty v oblasti předzpracování pro neurální síť radiální základní funkce (RBF NN). Hlavními myšlenkami je nalezení optimálních metod a algoritmů předzpracování, které mohou optimalizovat vstupní parametry a urychlit zpracování neuronové sítě. Navrhované metody jsou některé nové experimenty s flexibilními tvarovými parametry a automatickým určováním počátečních parametrů neuronové sítě | cs |
dc.format | 6 s. | cs |
dc.format.mimetype | application/pdf | |
dc.language.iso | en | en |
dc.publisher | IEEE | en |
dc.relation.ispartofseries | SAMI 2019 • IEEE 17th World Symposium on Applied Machine Intelligence and Informatics | en |
dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
dc.rights | © IEEE | en |
dc.subject | Propagace afinity | cs |
dc.subject | aproximace | cs |
dc.subject | BIRCH | cs |
dc.subject | Složitá funkce | cs |
dc.subject | hustota | cs |
dc.subject | chyba | cs |
dc.subject | gaussovský model směsi | cs |
dc.subject | k-znamená | cs |
dc.subject | střední posun | cs |
dc.subject | neuronová síť | cs |
dc.subject | radiální základní funkce | cs |
dc.subject | RBF | cs |
dc.subject | parametry proměnného tvaru | cs |
dc.title | A Novel Methods Based on Clustering Algorithms as The Neural Network Preprocessing | en |
dc.title.alternative | Nové metody založené na klastrových algoritmech jako předzpracování neuronové sítě | cs |
dc.type | konferenční příspěvek | cs |
dc.type | conferenceObject | en |
dc.rights.access | restrictedAccess | en |
dc.type.version | publishedVersion | en |
dc.subject.translated | Affinity propagation | en |
dc.subject.translated | Approximation | en |
dc.subject.translated | BIRCH | en |
dc.subject.translated | Complex Function | en |
dc.subject.translated | Density | en |
dc.subject.translated | Error | en |
dc.subject.translated | Gaussian Mixture Model | en |
dc.subject.translated | k-means | en |
dc.subject.translated | Mean-Shift | en |
dc.subject.translated | Neural Network | en |
dc.subject.translated | Radial Basic Function | en |
dc.subject.translated | RBF | en |
dc.subject.translated | Variable Shape Parameters | en |
dc.identifier.doi | 10.1109/SAMI.2019.8782767 | |
dc.type.status | Peer-reviewed | en |
dc.identifier.document-number | 502817400054 | |
dc.identifier.obd | 43926831 | |
dc.project.ID | SGS-2016-013/Pokročilé grafické a výpočetní systémy | cs |
dc.project.ID | GA17-05534S/Meshless metody pro vizualizaci velkých časově-prostorových vektorových dat | cs |
Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KIV) OBD |
Soubory připojené k záznamu:
Soubor | Velikost | Formát | |
---|---|---|---|
Martynova, Kaas 08782767.pdf | 1,4 MB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/36837
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.