999C1a:1ET100300414 - Výsledky hledání - Digitální repozitář

host :: přihlásit Digitální repozitář
		Hledej		Nový záznam		Nápověda		O repozitáři

Hlavní stránka > Výsledky hledání: 999C1a:1ET100300414

Hledej:

Tipy pro vyhledávaní :: Rozšířené hledání

Hledej ve sbírkách:

Seřadit podle:	Zobrazit výsledky:	Výstupní formát:

	Zjišťování optimálního počtu shluků ve statistických programových systémech Řezanková, H. ; Húsek, Dušan Příspěvek se zabývá přístupy ke stanovení optimálního počtu skupin objektů, které jsou implementovány v rámci shlukovacích algoritmù v komerčních statistických programových systémech. Některé z těchto přístupů jsou ilustrovány na úloze nalezení skupin poslanců ruského parlamentu na základě výsledků hlasování v roce 2004. Jsou sledovány možnosti programových systémů S-PLUS, SAS, SPSS a SYSTAT. Úplný záznam
	Metody pro stanovení počtu shluků ve statistických programových systémech Řezanková, H. ; Húsek, Dušan Příspěvek je věnován problematice stanovení optimálního počtu skupin objektů při shlukování pomocí různých metod implementovaných v komerčních statistických programových systémech. Možné přístupy jsou ilustrovány na úloze nalezení skupin poslanců ruského parlamentu na základě výsledků hlasování v roce 2004. Jsou porovnávány možnosti programových systémů S-PLUS, SAS, SPSS a SYSTAT. Úplný záznam
	Shluková analýza pomocí genetických algoritmů Kudová, Petra V článku se zabýváme možnostmi využití genetických algoritmů v oblasti shlukové analýzy. Navrhneme shlukovací genetický algoritmus, který otestujeme na experimentech. Ukážeme, že shlukovací genetický algoritmus dává v některých případech lepší výsledky než algoritmus k-means a že je schopen za určitých předpokladů najít optimální počet shluků Úplný záznam
	Experimenty s evolučním a hybridním učením vícevrstvých perceptronových neuronových sítí. Neruda, Roman ; Slušný, Stanislav Evoluční učení neuronových architektur bylo v minulosti často studováno ovšem se smíšenými výsledky. V této práci ukazujeme, že jednoduchý GA těžko soupěří s časovou složitostí optimalizovaných gradientních algoritmů, ale kombinace v hybridních algoritmech přináší menší aproximační chybu a menší sítě. Úplný záznam
	Boolean Factor Analysis by Hopfield-Like Autoassociative Memory: Factors Search Frolov, A. A. ; Húsek, Dušan ; Muraviev, I. P. ; Polyakov, P.Y. Plný tet: v962-06 - PDF Plný text: content.csg - PDF Úplný záznam
	Boolean Factor Analysis by Hopfield-Like Autoassociative Memory Frolov, A. A. ; Húsek, Dušan ; Muraviev, I. P. ; Polyakov, P.Y. Plný tet: v961-06 - PDF Plný text: content.csg - PDF Úplný záznam
	Sum and Product Kernel Regularization Networks Kudová, Petra ; Šidlofová, Terezie Plný tet: v935-05 - PDF Plný text: content.csg - PDF Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.

Digitální repozitář :: :: :: ::
Powered by v1.1.2
Spravuje

Tato stránka je dostupná také v následujících jazycích:
Česky English