Wyszukiwanie zaawansowane ?

Obiekt

Pobierz

Tytuł: Incrementally Solving Nonlinear Regression Tasks Using IBHM Algorithm, Journal of Telecommunications and Information Technology, 2011, nr 4

Autor:

Arabas, Jarosław ; Zawistowski, Paweł

Data wydania:

2011, nr 4

Typ zasobu:

artykuł

Opis:

This paper considers the black-box approximation problem where the goal is to create a regression model using only empirical data without incorporating knowledge about the character of nonlinearity of the approximated function. This paper reports on ongoing work on a nonlinear regression methodology called IBHM which builds a model being a combination of weighted nonlinear components. The construction process is iterative and is based on correlation analysis. Due to its iterative nature, the methodology does not require a priori assumptions about the final model structure which greatly simplifies its usage. Correlation based learning becomes ineffective when the dynamics of the approximated function is too high. In this paper we introduce weighted correlation coefficients into the learning process. These coefficients work as a kind of a local filter and help overcome the problem. Proof of concept experiments are discussed to show how the method solves approximation tasks. A brief discussion about complexity is also conducted.

Wydawca:

Instytut Łączności - Państwowy Instytut Badawczy, Warszawa

Format:

application/pdf

Identyfikator zasobu:

oai:bc.itl.waw.pl:1201 ; ISSN 1509-4553, on-line: ISSN 1899-8852

DOI:

10.26636/jtit.2011.4.1179

ISSN:

1509-4553

eISSN:

1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Prawa:

Biblioteka Naukowa Instytutu Łączności

Temat i słowa kluczowe:

neural networks support vector regression nonlinear regression black-box modeling nonlinear approximation weighted correlation

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

29 sie 2024

Data dodania obiektu:

27 maj 2013

Liczba wyświetleń treści obiektu:

127

Wszystkie dostępne wersje tego obiektu:

https://bc.itl.waw.pl/publication/1506

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Zawistowski, Paweł; Arabas, Jarosław, 2011, nr 4, Incrementally Solving Nonlinear Regression Tasks Using IBHM Algorithm, Journal of Telecommunications and Information Technology, 2011, nr 4 29 sie 2024

Obiekty Podobne
Multi-layered Bayesian Neural Networks for Simulation and Prediction Stress-Strain Time Series, Journal of Telecommunications and Information Technology, 2015, nr 3

Krok, Agnieszka

2015, nr 3
artykuł
The Development of Kalman Filter Learning Technique for Artificial Neural Networks, Journal of Telecommunications and Information Technology, 2013, nr 4

Krok, Agnieszka

2013, nr 4
artykuł
2024, nr 3, JTIT-artykuły
2024, nr 3, JTIT-artykuły
A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3

Ponti, Francesca Frezza, Fabrizio Simeoni, Patrizio Parisi, Raffaele

2024, nr 3
artykuł
Evolutionary Computation for Global Optimization – Current Trends, Journal of Telecommunications and Information Technology, 2011, nr 4

Arabas, Jarosław

2011, nr 4
artykuł
Designing a Compact Microstrip Antenna Using the Machine Learning Approach, Journal of Telecommunications and Information Technology, 2020, nr 4

Sharma, Kanhaiya Pandey, Ganga Prasad

2020, nr 4
artykuł
A world according to artificial neural networks, Journal of Telecommunications and Information Technology, 2003, nr 3

Schuster, Alfons

2003, nr 3
artykuł
Heuristic Analysisof Transport System Efficiency Basedon Movement of Mobile Network Users, Journal of Telecommunications and Information Technology, 2009, nr 3

Sabak, Grzegorz

2009, nr 3
artykuł
Application of Recurrent Neural Networks for User Verification based on Keystroke Dynamics, Journal of Telecommunications and Information Technology, 2016, nr 3

Kobojek, Paweł Saeed, Khalid

2016, nr 3
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji