Global versus local approximation in inverse problems

• Autorzy: Krejsa, J. , Věchet, S. , Pulchart, J.

Warianty tytułu

PL

Globalna a lokalna aproksymacja w zagadnieniach odwrotnych

• Konferencja: International Conference Mechatronics 2004 (5 ; 23-25.09.2004 ; Warsaw, Poland)
• Języki publikacji: EN

Abstrakty

EN

The paper compares global end local approximation methods used in inverse problems. Global approximators are represented by feedforward multilayer neural network (FFNN); local approximators are represented by Locally Weighted Regression (LWR) and Receptive Field Weighted Regression (RFWR).

PL

W artykule porównano metody globalnej i lokalnej aproksymacji w zagadnieniach odwrotnych. Aproksymatory globalne reprezentuje wielowarstwowa sieć neuronowa ze sprzężeniem do przodu (FFNN), natomiast aproksymatory lokalne regresja lokalnie ważona (LWR) oraz regresja ważona pola otwartego (RFWR).

Słowa kluczowe

PL

zagadnienie odwrotne; aproksymator; sieci neuronowe; regresja ważona

EN

inverse problem; approximators; neural networks; weighted regression

• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2004
• Tom: Vol. 45, nr 8-9
• Strony: 57-60
• Opis fizyczny: Bibliogr. 3 poz., wykr.

Twórcy

autor

Krejsa, J.

• Institute of Thermomechanics, Czech Academy of Sciences, Czech Republic

autor

Věchet, S.

• Institute of Solid Mechanics, Mechatronics and Biomechanics, BUT, Czech Republic

autor

Pulchart, J.

• Faculty of Mechanical Engineering, BUT, Czech Republic

• Institute of Thermomechanics, Czech Academy of Sciences, Czech Republic

Bibliografia

• 1. Atkeson C.G., Moore A.W., Schaal S.: Locally Weighted Learning, Technical Report, ATA Human lnformation Processing Laboratories, Japan, 1996
• 2. Demuth H., Beale M.: Neural Network Toolbox User's Guide, Mathworks, Inc., 2002
• 3. Schaal S. & Atkeson, C.G.: Receptive Field Weighted Regression, Technical Report TR-H-209, ATA Human lnformation Processing Laboratories, Japan, 1997