PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  mini-model
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Mini-model method based on k-means clustering
Pietrzykowski M., Pluciński M.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 1
73--76
EN
Mini-model method (MM-method) is an instance-based learning algorithm similarly as the k-nearest neighbor method, GRNN network or RBF network but its idea is different. MM operates only on data from the local neighborhood of a query. The paper presents new version of the MM-method which is based on k-means clustering algorithm. The domain of the model is calculated using k-means algorithm. Clustering method makes the learning procedure simpler.
PL
Metoda mini-modeli (metoda MM) jest algorytmem bazującym na próbkach podobnie jak metoda k-najbliższych sąsiadów, sieć RBF czy sieć GRNN ale jej zasada działania jest inna. MM operuje tylko na danych z najbliższego otoczenia punktu zapytania. Artykuł prezentuje nową wersję metody MM, która bazuje na algorytmie k-średnich. Domena MM jest obliczana przy pomocy algorytmu k-średnich. Użycie algorytmu klasteryzacji uprościło procedurę uczenia.
2
Content available Zastosowanie metody mini-modeli opartej na hipersześcianie w procesie modelowania danych wielowymiarowych
Pietrzykowski M.
Zeszyty Naukowe. Studia Informatica / Uniwersytet Szczeciński
|
2015
|
Nr 38
91--103
PL
W artykule zaprezentowano metodę samo-uczenia mini-modeli (metodę MM) opartą na hiperbryłach w przestrzeni wielowymiarowej. Jest to metoda nowa i rozwojowa, będąca w trakcie intensywnych badań. Bazuje ona na próbkach pobieranych jedynie z lokalnego otoczenia punktu zapytania, a nie z obszarów odległych od tego punktu. Grupa punktów, używana w procesie uczenia mini-modelu jest ograniczona obszarem hiperbryły. na tak zdefiniowanym lokalnym otoczeniu punktu zapytania metoda MM w procesie uczenia oraz obliczania odpowiedzi można użyć dowolnej metody aproksymacji. W artykule przedstawiono algorytm uczenia i działania metody w przestrzeni wielowymiarowej bazujący na hipersferycznym układzie współrzędnych. Metodę przebadano na zbiorach danych wielowymiarowych, a wyniki porównano z innymi metodami bazującymi na próbkach.
EN
The article presents self-learning method of mini-models (MM-method) based on polytopes in multidimensional space. The method is new and is an object of intensive research. MM method is the instance based learning method and uses data samples only from the local neighborhood of the query point. Group of points which are used in the model-learning process is constrained by a polytope area. The MM-method can on a defined local area use any approximation algorithm to compute mini-model answer for the query point. The article describes a learning technique based on hyper-spherical coordinate system. The method was used in the modeling task with multidimensional datasets. The results of numerical experiments were compared with other instance based methods.
3
Use of the mini-model method in classification task on example of iris flower dataset
Pietrzykowski M.
Journal of Theoretical and Applied Computer Science
|
2014
|
Vol. 8, nr 2
27--36
EN
The paper presents use of the mini-models method in a classification task. The article briefly describes the method and compares it to the k-nearest neighbor algorithm. The algorithm concentrates only on local query data and uses a data samples only from local neighborhood of the query. The paper presents the results of experiment that compare the effectiveness of mini-models with selected methods of classification. The experiments were performed on well-known Iris Flower dataset and on other popular classification datasets.
4
Content available remote Nonlinear ellipsoidal mini-models – application for the function approximation task
Pluciński M.
Przegląd Elektrotechniczny
|
2012
|
R. 88, nr 10b
247-251
EN
Mini-models are local regression models, which can be used for the function approximation learning. In the paper, there are presented mini-models based on hyper-spheres and hyper-ellipsoids and researches were made for linear and nonlinear models with no limitations for the problem input space dimension. Learning of the approximation function based on mini-models is very fast and it proved to have a good accuracy. Mini-models have also very advantageous extrapolation properties.
PL
Mini-modele to modele lokalnej regresji, które można wykorzystać do aproksymacji funkcji. W artykule opisano mini-modele o bazie hiper-sferycznej i hiper-elipsoidalnej oraz badania dla mini-modeli linowych i nieliniowych bez ograniczeń na rozmiar przestrzeni wejść. Uczenie aproksymującej funkcji opartej na mini-modelach jest szybkie, a sama funkcja ma dobrą dokładność i korzystne własności ekstrapolacyjne.
5
Content available remote Zastosowanie samouczącego się trzypunktowego minimodelu do modelowania stopy bezrobocia w Polsce
Piegat A., Wąsikowska B., Korzeń M.
Zeszyty Naukowe. Studia Informatica / Uniwersytet Szczeciński
|
2011
|
Nr 27
59--69
PL
W artykule przedstawiono koncepcję ograniczonego, lokalnego, trójkątnego minimodelu, którego celem jest udzielenie – na podstawie próbek zależności y = f(x1, x2), jaką dysponujemy w bazie wiedzy – odpowiedzi na zapytania obliczeniowe. Badania wykazały, że dokładność obliczeń realizowanych przez minimodel jest wysoka, a czas obliczeń krótki. Uzyskana wysoka dokładność jest wynikiem lokalności minimodelu. Dalsze prace autorów idą w kierunku opracowania nieliniowych minimodeli o jeszcze wyższej dokładności obliczeń.
DE
Gegenstand des Artikels ist die Konstruktionsmethode des lokalen Minimodels das eine beträchtliche Lerngeschwindigkeit besitzt. Das Model dient hier zur Berechnung schneller Antworten an Anfragen bettreffens der Arbeitslosenquote aufgrund der Daten. Die Anzahl der Daten muss nicht konstant sein und kann mit der Zeit vergrößert werden, falls neue Daten gewonnen werden. Ein großer Vorteil des Minimodels ist seine Fähigkeit zur Interpolation in den Informationslücken in den Daten. Diese Fähigkeit unterscheidet das vorgeschlagene Minimodel von der KNN-Methode (Methode der nahesten Nachbarn). Ausser dem Erklären der Minimodelsidee wurde in dem Artikel ein Beispiel der Anwendung zur Modellierung der Arbeitslosenquote aufgrund statistischer Daten gezeigt. Die Qualität des Minimodels wurde mit der bekannten „leave one out” Methode geprüft.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.