Research of approximation and learning from data of multivariable functions by neural networks and design of learning algorithms (en)
Cílem projektu je odvození teoretických výsledků a návrh a softwarová realizace učících algoritmů pro modely neurovýpočtů založených na aproximaci funkcí více proměnných.
Project contributed to mathematical theory of complexity of neural networks. Estimates of model complexity in dependence on dimension of input data, types and parameters of computational units, properties of approximated functions and training data were derived. Evolutionary algorithms for metalearning were designed, implemented as a software tool, and functionality and properties were verified. (en)
Projekt přispěl k matematické teorii složitosti neuronových sítí. Byly odvozeny odhady modelové složitosti v závislosti na dimenzi vstupních dat, typech a parametrech výpočetních jednotek, vlastnostech aproximovaných funkcí a trénovacích dat. Byly navrženy evoluční algoritmy metaučení, realizována jejich implementace jako softwarového nástroje a ověřena funkčnost a praktické vlastnosti. (cs)