- Autor
- Huk Maciej (Politechnika Wrocławska)
- Tytuł
- Określanie istotności atrybutów w zadaniach klasyfikacyjnych przez niedestruktywną eliminację połączeń w sieci neuronowej
- Źródło
- Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 2003, nr 975, s. 138-147, rys., tab., bibliogr. 12 poz.
- Tytuł własny numeru
- Pozyskiwanie wiedzy i zarządzanie wiedzą
- Słowa kluczowe
- Sieci neuronowe, Architektura sieci, Algorytmy
Neural networks, Architecture of network, Algorithms - Abstrakt
- Problematyka pozyskiwania wiedzy z baz danych jest bardzo rozległa, zarówno z powodu ogólności sformułowania zagadnienia Data Mining jako poszukiwania ciekawych informacji w dużych zbiorach, nierzadko zaszumionych danych, jak i ze względu na wielość możliwych rozwiązań. W poniższym artykule rozważany będzie jedynie niewielki fragment tej dziedziny, odnoszący się do badania istotności atrybutów w zadaniach klasyfikacyjnych z wykorzystaniem sztucznych sieci neuronowych. (fragment tekstu)
- Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Bibliografia
-
- Craven M., Shalvik J.: Using Neural Networks for Data Mining. Carnegie Mellon University 1997, ftp://ftp.cs.wisc.edu/machine-learning/shavlik-group/craven.fgcs97.ps.
- Zhi-Hua Zhou., Yuan Jiang., Schi-Fu Chen.: Extracting Symbolic Rules from Trained Neural Network Ensembles. Nanjing University, China 2002.
- Setino R., Leow W.K., Zurada J.M.: Extraction of Rules from Artificial Neural Networks for Nonlinear Regression. IEEE Transactions on Neural Networks 13, 2002.
- Huk M.: Ocena nowych koncepcji ekstrakcji wiedzy ze sztucznych sieci neuronowych. Pozyskiwanie Wiedzy z Baz Danych, Akademia Ekonomiczna, Wrocław 2002.
- Kavzoglu T., Mather P.M.: The Use of Feature Selection Techniques in the Context of Artificial Nural Networks. University of Nottingham 2000.
- Arbatli A.D., Akin H.L.: Rule Extraction from Trained Neural Networks Using Genetic Algorithms. Nonlinear Analysis, Theory, Methods and Applications 1997.
- Prechelt L.: Connection Pruning with Static and Adaptive Schedules. Neurocomputing 1997.
- Pui-Fai Sum J.: Extended Kalman Filter Based Pruning Algorithms and Several Aspects of Neural Network Learning. The Chinese University of Hong Hong 1998.
- Abeies M.: Role of the cortical neuron: integrator or coincidence detector?, Israel J. Med. Sei., 18:83-92. 1982.
- Maass W., Bishop C.: Pulsed Neural Networks. MIT Press 1999.
- Maass W.: Paradigms for Computing with Spiking Neurons 2000.
- Bothe S., La Poutre J., Kok J.: Error-backpropagation in temporally encoded networks of spiking neurons. Stichting Mathematisch Centrum, Amsterdam 2000.
- Cytowane przez
- ISSN
- 0324-8445
- Język
- pol
