Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: Decompositional Rules Extraction Methods from Neural Networks

Publikācijas veids Citas publikācijas konferenču (arī vietējo) ziņojumu izdevumos
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā Decompositional Rules Extraction Methods from Neural Networks
Pētniecības nozare 1. Dabaszinātnes
Pētniecības apakšnozare 1.2. Datorzinātne un informātika
Autori Andrejs Bondarenko
Tatjana Zmanovska
Arkādijs Borisovs
Atslēgas vārdi rule extraction, neural network, pruning, support vector machine, reccurent network, RBF network.
Anotācija Given paper is a review on existing decompositional rules extraction methods from artificial neural networks of several types: feed-forward network, radial basis functions network, second order reccurent network, generalized relevance learning vector quantization and finally support vector machine. Descriptions of all rules extraction methods are containing details on method itself, type of rules extracted, applicable problems and some test results.
Atsauce Bondarenko, A., Zmanovska, T., Borisovs, A. Decompositional Rules Extraction Methods from Neural Networks. No: Mendel 2010 : 16th International Conference on Soft Computing, Čehija, Brno, 23.-25. jūnijs, 2010. Brno: University of Technology, 2010, 256.-262.lpp. ISBN 9788021441200.
ID 8882