About: Selekce příznaků pro modely vícedimenzionálních časových řad uvažující časový kontext     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Projekt, within Data Space : linked.opendata.cz associated with source document(s)

AttributesValues
rdf:type
rdfs:seeAlso
Description
  • In classification or prediction models of multivariate time series, the value of model's output can depend on the past values of other variables. For example, in recurrent neural networks, recurrent connections allow to detect or generate time varying patterns. We believe that a feature selection for such temporal context aware models should be also temporal context aware, which can bring significant improvements in classification or prediction performance. Surprisingly, most papers usually do not consider this and the feature selection for such models does not assume any temporal dependencies in the time series. The proposed project focuses on the ground research on temporal context aware feature selection. Its main objective is to develop and thoroughly analyze novel approaches to this problem. Our main motivation is a promising potential of future application of the developed methods to analysis of biomedical signals. Particularly, the feature selection for the recurrent neural networks will be focused, which seems to be neglected in past, but promising for future. (en)
  • V klasifikačních a predikčních modelech vícedimenzionálních časových řad může hodnota výstupu modelu záviset na minulých hodnotách ostatních proměnných. Například v rekurentních neuronových sítích, rekurentní spoje umožňují detekovat a generovat časově proměnlivé vzory. Naší hypotézou je, že selekce příznaků pro tyto modely by měla také uvažovat časový kontext, což může výrazně vylepšit chování takových modelů, t.j. klasifikační nebo predikční úspěšnost. Překvapivě, většina prací toto nebere v úvahu a selekce příznaků často vůbec neuvažuje časové závislosti. Navrhovaný projekt se zaměřuje na základní výzkum metod selekce příznaků uvažující časový kontext. Jeho hlavním cílem je vyvinout a důkladně analyzovat nové přístupy k tomuto problému. Naší motivací je velký budoucí aplikační potenciál takových metod v oblasti zpracování biomedicínských signálů. Kromě jiného, hlavním důraz bude kladen na selekci příznaků pro rekurentní neuronové sítě, která ač v minulosti velmi zanedbávaná, zdá se být důležitým tématem do budoucna.
Title
  • Selekce příznaků pro modely vícedimenzionálních časových řad uvažující časový kontext
  • Feature selection for temporal context aware models of multivariate time series (en)
skos:notation
  • GP13-21696P
http://linked.open...avai/cep/aktivita
http://linked.open...kovaStatniPodpora
http://linked.open...ep/celkoveNaklady
http://linked.open...datumDodatniDoRIV
http://linked.open...i/cep/druhSouteze
http://linked.open...ep/duvernostUdaju
http://linked.open.../cep/fazeProjektu
http://linked.open...ai/cep/hlavniObor
http://linked.open...vai/cep/kategorie
http://linked.open.../cep/klicovaSlova
  • signal processing, feature selection, neural networks, classification, prediction (en)
http://linked.open...ep/partnetrHlavni
http://linked.open...inujicichPrijemcu
http://linked.open...cep/pocetPrijemcu
http://linked.open...ocetSpoluPrijemcu
http://linked.open.../pocetVysledkuRIV
http://linked.open...enychVysledkuVRIV
http://linked.open...lneniVMinulemRoce
http://linked.open.../prideleniPodpory
http://linked.open...iciPoslednihoRoku
http://linked.open...atUdajeProjZameru
http://linked.open.../vavai/cep/soutez
http://linked.open...usZobrazovaneFaze
http://linked.open...ai/cep/typPojektu
http://linked.open...ep/ukonceniReseni
http://linked.open.../cep/vedlejsiObor
http://linked.open...ep/zahajeniReseni
http://linked.open...tniCyklusProjektu
http://linked.open.../cep/klicoveSlovo
  • signal processing
  • classification
  • feature selection
  • neural networks
is http://linked.open...vavai/riv/projekt of
is http://linked.open...vavai/cep/projekt of
Faceted Search & Find service v1.16.118 as of Jun 21 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 117 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software