"The main theoretical motivation of the project is to propose a new statistically justified approach to recurrent neural networks. The proposed research is largely based on the original results of our previous academic project on Probabilistic Neural Networks (PNN) closed in 2000 with ""excellent results"" and on the related papers published in the last five years. The basic idea of the probabilistic approach to recurrent neural networks is to introduce feedback into the standard feed-forward architecture of PNN. We shall consider especially the principle of iterative inference mechanism originally proposed for probabilistic expert systems. The potential benefit of recurrent solutions will be verified by comparing the standard feed-forward architecture with the recurrent PNN in application to pattern recognition and texture evaluation. PNN proved to be a powerful tool to solve practical problems and simultaneously, unlike standard approaches, they are biologically interpretable in many" (en)
"Hlavní teoretickou motivací projektu je návrh nového statisticky zdůvodněného přístupu k rekurentním neuronovým sítím. Navrhovaný výzkum v širokých mezích vychází z původních výsledků našeho předchozího akademického projektu Pravděpodobnostní neuronové sítě (PNS), který byl ukončen v roce 2000 s ""vynikajícími výsledky"" a z několika navazujících prací publikovaných v posledních pěti letech. Základní idea navrhovaného pravděpodobnostního přístupu k rekurentním neuronovým sítím předpokládá vytvoření zpětné vazby ve standardní vzestupné architektuře PNS. Jednu z možností nabízí využití iterativního inferenčního mechanismu původně navrženého v pravděpodobnostním expertním systému. Potenciální přínos rekurentní architektury bude ověřován ve srovnání sestandardní vzestupnou PNS při aplikaci v rozpoznávání a při vyhodnocování textur. PNS jsou prakticky použitelné a současně připouštějí biologickou interpretaci až na úrovni funkčních vlastností neuronu. Neuromorfní vlastnosti jsou významnou předností PNS" (cs)