Umělá inteligence (4)

0411232 - UTIA-B 20030219 RIV CZ cze M - Monography Chapter
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
R&D Projects: GA ČR GA402/01/0981
Institutional research plan: CEZ:AV0Z1075907
Keywords : probabilistic neural networks * finite mixtures * statistical pattern recognition
Subject RIV: BB - Applied Statistics, Operational Research

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.
Permanent Link: http://hdl.handle.net/11104/0131318