Obiekt

Tytuł: Sieci neuronowe dla danych symbolicznych : perceptron wielowarstwowy

Tytuł odmienny:

Neural Networks for Symbolic Data : Multilayer Perceptron

Autor:

Pełka, Marcin

Opis:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2009; Nr 47, s. 223-230

Abstrakt:

The aim of this paper is to present and compare methods that allow to classify symbolic data with application of multilayer perceptron. In the article, basic terms of neural networks and transformation methods of symbolic interval-valued variables are presented. The article presents and compares in the empirical part simulation experiment results based on artificial data generated with application of cluster.Gen procedure from cluster.Sim package for R software. (original abstract)

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2009

Typ zasobu:

artykuł

Identyfikator zasobu:

oai:dbc.wroc.pl:124214

Język:

pol

Powiązania:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2009; Nr 47 ; Klasyfikacja i analiza danych – teoria i zastosowania ; Taksonomia 16

Prawa:

Wszystkie prawa zastrzeżone (Copyright)

Prawa dostępu:

Dla wszystkich w zakresie dozwolonego użytku

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Źródło finansowania:

Dofinansowano z programu "Społeczna odpowiedzialność nauki" Ministra Edukacji i Nauki (SONB/SP/546390/2022). Tytuł projektu: Upowszechnienie zawartości czasopisma Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

30 paź 2023

Data dodania obiektu:

26 wrz 2023

Liczba wyświetleń treści obiektu:

78

Wszystkie dostępne wersje tego obiektu:

https://dbc.wroc.pl/publication/162525

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Podobne

×

Cytowanie

Styl cytowania:

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji