Umělá inteligence (4)

0411232 - UTIA-B 20030219 RIV CZ cze M - Část monografie knihy
Grim, Jiří
Pravděpodobnostní neuronové sítě.
[Probabilistic Neural Networks.]
Praha: Academia, 2003. ISBN 80-200-1044-0. In: Umělá inteligence (4). - (Mařík, V.; Štěpánková, O.; Lažanský, J.), s. 276-312
Grant CEP: GA ČR GA402/01/0981
Výzkumný záměr: CEZ:AV0Z1075907
Klíčová slova: probabilistic neural networks * finite mixtures * statistical pattern recognition
Kód oboru RIV: BB - Aplikovaná statistika, operační výzkum

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.

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.
Trvalý link: http://hdl.handle.net/11104/0131318