This HTML5 document contains 44 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dctermshttp://purl.org/dc/terms/
n16http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n6http://linked.opendata.cz/resource/domain/vavai/projekt/
n8http://linked.opendata.cz/ontology/domain/vavai/
n11http://linked.opendata.cz/resource/domain/vavai/zamer/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n4http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n18http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n17http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n12http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n15http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n14http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n13http://reference.data.gov.uk/id/gregorian-year/
n7http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F67985807%3A_____%2F05%3A00405527%21RIV06-AV0-67985807/

Statements

Subject Item
n2:RIV%2F67985807%3A_____%2F05%3A00405527%21RIV06-AV0-67985807
rdf:type
n8:Vysledek skos:Concept
dcterms:description
A method for the extraction of rules in a general fuzzy disjunctive normal form is described in detail and illustrated on real-world applications. Furter, the paper proposes an algorithm demonstrating a principal possibility to extract fuzzy logic rules from multilayer perceptrons with continuous activation functions, i.e., from the kind of neural networks most universally used in applications. However, complexity analysis of the individual steps of that algorithm reveals that it involves computations with doubly-exponential complexity, due to which it can not without simplifications serve as a practically applicable alternative to methods based on specialized neural networks. A method for the extraction of rules in a general fuzzy disjunctive normal form is described in detail and illustrated on real-world applications. Furter, the paper proposes an algorithm demonstrating a principal possibility to extract fuzzy logic rules from multilayer perceptrons with continuous activation functions, i.e., from the kind of neural networks most universally used in applications. However, complexity analysis of the individual steps of that algorithm reveals that it involves computations with doubly-exponential complexity, due to which it can not without simplifications serve as a practically applicable alternative to methods based on specialized neural networks. Detailně je diskutována a na reálných datech ilustrována metoda pro extrakci pravidel v obecné fuzzy disjunktivní normální formě. Dále článek navrhuje algoritmus demonstrující principiální možnost extrakce pravidel fuzzy logiky z vícevrstvých perceptronů, tj. onoho typu neuronových sítí, který se v aplikacích používá nejuniverzálněji. Avšak analýza komplexity jednotlivých kroků tohoto algoritmu ukazuje, že zahrnuje výpočty s dvojitě exponenciální přesností, díky čemuž algoritmus nemůže bez zjednodušení sloužit jako použitelná alternativa k metodám extrakce založeným na specializovaných neuronových sítích.
dcterms:title
Extrakce pravidel fuzzy logiky z dat pomocí umělých neuronových sítí Extraction of Fuzzy Logic Rules from Data by Means of Artificial Neural Networks Extraction of Fuzzy Logic Rules from Data by Means of Artificial Neural Networks
skos:prefLabel
Extraction of Fuzzy Logic Rules from Data by Means of Artificial Neural Networks Extraction of Fuzzy Logic Rules from Data by Means of Artificial Neural Networks Extrakce pravidel fuzzy logiky z dat pomocí umělých neuronových sítí
skos:notation
RIV/67985807:_____/05:00405527!RIV06-AV0-67985807
n3:strany
297;314
n3:aktivita
n17:P n17:Z
n3:aktivity
P(IAA1030004), Z(AV0Z10300504)
n3:cisloPeriodika
3
n3:dodaniDat
n13:2006
n3:domaciTvurceVysledku
n16:6036627
n3:druhVysledku
n14:J
n3:duvernostUdaju
n18:S
n3:entitaPredkladatele
n7:predkladatel
n3:idSjednocenehoVysledku
521279
n3:idVysledku
RIV/67985807:_____/05:00405527
n3:jazykVysledku
n12:eng
n3:klicovaSlova
knowledge extraction from data; artificial neural networks; fuzzy logic; Lukasiewicz logic; disjunctive normal form
n3:klicoveSlovo
n4:Lukasiewicz%20logic n4:fuzzy%20logic n4:artificial%20neural%20networks n4:disjunctive%20normal%20form n4:knowledge%20extraction%20from%20data
n3:kodStatuVydavatele
CZ - Česká republika
n3:kontrolniKodProRIV
[CB5DD3810F49]
n3:nazevZdroje
Kybernetika
n3:obor
n15:BA
n3:pocetDomacichTvurcuVysledku
1
n3:pocetTvurcuVysledku
1
n3:projekt
n6:IAA1030004
n3:rokUplatneniVysledku
n13:2005
n3:svazekPeriodika
41
n3:tvurceVysledku
Holeňa, Martin
n3:zamer
n11:AV0Z10300504
s:issn
0023-5954
s:numberOfPages
18