999C1a:GA201/05/0557 - Výsledky hledání - Digitální repozitář

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

Hlavní stránka > Výsledky hledání: 999C1a:GA201/05/0557

Hledej:

Tipy pro vyhledávaní :: Rozšířené hledání

Hledej ve sbírkách:

Seřadit podle:	Zobrazit výsledky:	Výstupní formát:

	Rates of Approximation of Smooth Functions by Gaussian Radial-Basis Networks Kainen, P.C. ; Kůrková, Věra ; Sanguineti, M. Plný tet: v976-06 - PDF Plný text: content.csg - PDF Úplný záznam
	Matematické modelování generalizace Kůrková, Věra Učení se schopností generalizace lze modelovat pomocí regularizace, která byla vyvinuta k hledání stabiliních řešení fyzikálních úloh. V teorii učení lze chápat generalizaci jako určitý druh stability. Úplný záznam
	Integral Combinations of Heavisides Kainen, P.C. ; Kůrková, Věra ; Vogt, A. Plný tet: v968-06 - PDF Plný text: content.csg - PDF Úplný záznam
	Jádrové regularizční sítě Kudová, Petra Článek se zabývá jádrovými regularizačními sítěmi. Navrhneme postup pro odhad explicitních parametrů učícího algoritmu a představíme nové typy jádrových funkcí - součinné a součtové kernely. Popsané algoritmy jsou demonstrovány na experimentech. Úplný záznam
	Strojové učení se schopností generalizace Kůrková, Věra Schopnost generalizace při učení umělých neuronových sítí na základě příkladů lze matematicky modelovat pomocí generalizace, která byla vyvinuta jako nástroj pro zajištění stability řešení inverzních úloh. 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