Institute of Information Theory and Automation

You are here

Bibliography

Monography Chapter

Pravděpodobnostní neuronové sítě

Grim Jiří

: Umělá inteligence (4), p. 276-312 , Eds: Mařík V., Štěpánková O., Lažanský J.

: Academia, (Praha 2003)

: CEZ:AV0Z1075907

: GA402/01/0981, GA ČR

: probabilistic neural networks, finite mixtures, statistical pattern recognition

(cze): Pravděpodobnostní přístup k neuronovým sítím je formulován v rámci řešení statistického problému rozpoznávání pomocí distribučních směsí. Vychází z obecně použitelné teoretické metody a vhodnou volbou modelu směsi dospívá k neurofyziologicky přijatelné interpretaci základních funkčních vlastností neuronu. Komponenty směsí odpovídají jednotlivým neuronům a určují jejich funkční vlastnosti. Konkrétní návrh neuronové sítě spočívá odhadu parametrů distribuční směsi pomocí EM algoritmu.

(eng): The probabilistic approach to neural networks based on estimating mixture distributions has been developed in the framework of statistical pattern recognition with the aim to obtain a statistically well justified and biologically plausible neural network model. The basic idea of the probabilistic neural networks is to view the mixture components as formal neurons. The functioning of a neuron is determined by the corresponding component parameters which can be estimated from data by means of EM algorithm.

: 09K, 12B, 06D

: BB

2019-01-07 08:39