| Attributes | Values |
|---|
| rdf:type
| |
| Description
| - V tomto projektu se zaměříme na učení pomocí regularizačních a radiálních (RBF) sítí. Regularizační sítě jsou odvozeny z teorie regularizace a mají velmi dobré teoretické zázemí. Mohou být ale nevhodné pro větší úlohy a jejich chování je ovlivněno volbou jádrové funkce a regularizačního parametru. Na druhé straně, RBF sítě reprezentují výpočetně levnější variantu s velkým výběrem učících algoritmů, které jsou ale často založeny na heuristikách. Hlavním cílem projektu je návrh, implementace a experimentální ověření nových učících algoritmů. Práce bude založena na teorii regularizace, optimalizace a regularizovaných numerických algoritmech. Důraz bude kladen na slabá místa stávajících algoritmů, jako jsou volba optimální architektury sítě, kontrola schopnosti generalizovat a aplikovatelnost na úlohy s velkým objemem dat. (cs)
- The aim of this project is to study and develop algorithms for learning, namely learning approaches based on kernel methods, regularization networks and RBF networks. Regularization networks benefit from very good theoretical background, but may be not feasible for bigger tasks and their performance is very sensitive to the choice of kernel function and the regularization parameter. RBF networks, on the other hand, represent a cheaper alternative with variety of learning algorithms, but often based on heuristics. The main goal of this project is the proposal, implementation, and experimental examination of alternative learning algorithms. The work will be based on results of regularization theory, available optimisation algorithms and numerical algorithms. The focus will be on the weak points of the existing algorithms, i.e. the choice of optimal network architecture, the control of generalisation ability, and the applicability on tasks with huge data sets. (en)
|
| Title
| - Neural Networks Learning Algorithms Based on Regularization Theory (en)
- Algoritmy učení neuronových sítí založené na teorii regularizace (cs)
|
| http://linked.open...vai/cislo-smlouvy
| |
| http://linked.open...avai/druh-souteze
| |
| http://linked.open...domain/vavai/faze
| |
| http://linked.open...vavai/hlavni-obor
| |
| http://linked.open...vai/vedlejsi-obor
| |
| http://linked.open...vavai/id-aktivity
| |
| http://linked.open.../vavai/id-souteze
| |
| http://linked.open...n/vavai/kategorie
| |
| http://linked.open...vai/klicova-slova
| - machine learning; neural networks; regularization networks; RBF networks; evolutionary algorithms (en)
|
| http://linked.open...avai/konec-reseni
| |
| http://linked.open...nujicich-prijemcu
| |
| http://linked.open...avai/poskytovatel
| |
| http://linked.open...avai/start-reseni
| |
| http://linked.open...ai/statni-podpora
| |
| http://linked.open...vavai/typProjektu
| |
| http://linked.open...ai/uznane-naklady
| |
| http://linked.open...ai/pocet-prijemcu
| |
| http://linked.open...cet-spoluprijemcu
| |
| http://linked.open...ai/pocet-vysledku
| |
| http://linked.open...ku-zverejnovanych
| |
| is http://linked.open...ain/vavai/projekt
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)