Počet záznamů: 1
Cloning for Heteroscedasticity Elimination in GMDH learning procedure
- 1.
SYSNO ASEP 0330094 Druh ASEP A - Abstrakt Zařazení RIV Záznam nebyl označen do RIV Zařazení RIV Není vybrán druh dokumentu Název Cloning for Heteroscedasticity Elimination in GMDH learning procedure Překlad názvu Klonování pro eliminaci heteroskedasticity v učicí proceduře sítě typu GMDH Tvůrce(i) Jiřina, Marcel (UIVT-O) SAI, RID
Jiřina jr., M. (CZ)Zdroj.dok. Unconventional Computation. - Berlin : Springer, 2009 / Calude C.S. ; Costa J.F. ; Dershowitz N. ; Freire E. ; Rozenberg G. - ISBN 978-3-642-03744-3
S. 288-288Poč.str. 1 s. Akce UC 2009. Unconventional Computation /8./ Datum konání 07.09.2009-11.09.2009 Místo konání Ponta Delgada Země PT - Portugalsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova multivariate data ; GMDH ; linear regression ; Gauss-Markov conditions ; cloning ; genetic selection ; classification Vědní obor RIV BA - Obecná matematika CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000272047700026 DOI 10.1007/978-3-642-03745-0_31 Anotace For the classification of multivariate data into two classes the well-known GMDH MIA (group method data handling multilayer iterative algorithm) is often used. The process of adaptation of the GMDH network is based on standard linear regression. However, it can be found that the mathematical condition of homoscedasticity for linear regression to get unbiased results is not fulfilled. We found that cloning is a simple and effective method for obtaining a less biased solution and faster convergence. Our results demonstrate that the influence of heteroscedasticity can be easily eliminated this way better behavior of GMDH algorithm can be obtained. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2010
Počet záznamů: 1