Search results
- 1.0505718 - ÚI DATA Scientific data 2019
Vidnerová, Petra
RBF-Keras: RBF vrstva pro knihovnu Keras.
Description: RBF-Keras: RBF vrstva pro knihovnu Keras
[RBF-Keras: an RBF Layer for Keras Library]
Keywords : neuronová síť typu RBF * hluboké neuronové sítě * RBF network * deep neural networks * Keras
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Permanent Link: http://hdl.handle.net/11104/0297129
Depositor: admin
Date of release: 16.10.2019
ASEP publication:
RBF-Keras: an RBF Layer for Keras Library
Storage Accessibility Commentary Github.com open-access R&D Projects: GA ČR(CZ) GA18-23827S
Institutional support: RVO:67985807 - 2.0505494 - ÚI 2020 RIV CZ eng L4 - Software
Vidnerová, Petra
RBF-Keras: an RBF Layer for Keras Library.
Internal code: RBF-Keras ; 2019
Technical parameters: Uživatel potřebuje nainstalovanou knihovnu Keras (http://keras.io) a poté je možné vytvářet modely neuronových sítí způsobem obvyklým v této knihovně včetně použití naší RBF vrstvy. Pro nastavení středů si lze vybrat s připravených inicializátorů (náhodný výběr z tréninkové množiny nebo použití KMeans shlukování), případně uživatel může použít vlastní inicializátor.
Economic parameters: RBF-Keras obsahuje implementaci třídy RBFLayer, která je určena k implementaci RBF sítí a hlubokých sítí obsahujících RBF vrstvu v knihovně Keras. Jedná se o rozšíření knihovny Keras, která samotná RBF vrstvu neobsahuje. RBF-Keras usnadňuje realizaci experimentů s modely RBF sítí nebo hlubokých sítí s RBF vrstvou a umožňuje aplikaci těchto modelů.
R&D Projects: GA ČR(CZ) GA18-23827S
Institutional support: RVO:67985807
Keywords : neuronová síť typu RBF * hluboké neuronové sítě * RBF network * deep neural networks * Keras
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://github.com/PetraVidnerova/rbf_keras
Permanent Link: http://hdl.handle.net/11104/0296977 - 3.0478624 - ÚI 2018 RIV DE eng C - Conference Paper (international conference)
Vidnerová, Petra - Neruda, Roman
Evolution Strategies for Deep Neural Network Models Design.
Proceedings ITAT 2017: Information Technologies - Applications and Theory. Aachen & Charleston: Technical University & CreateSpace Independent Publishing Platform, 2017 - (Hlaváčová, J.), s. 159-166. CEUR Workshop Proceedings, V-1885. ISBN 978-1974274741. ISSN 1613-0073.
[ITAT 2017. Conference on Theory and Practice of Information Technologies - Applications and Theory /17./. Martinské hole (SK), 22.09.2017-26.09.2017]
R&D Projects: GA ČR GA15-18108S
Grant - others:GA MŠk(CZ) LM2015042
Institutional support: RVO:67985807
Keywords : deep neural networks * evolution strategies * architecture optimisation * Keras
OECD category: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
http://ceur-ws.org/Vol-1885/159.pdf
Permanent Link: http://hdl.handle.net/11104/0274767File Download Size Commentary Version Access a0478624.pdf 2 236.3 KB Publisher’s postprint require