Randomizowane metody uczenia sztucznych sieci neuronowych

2017/27/B/ST6/01804

Słowa kluczowe

Deskryptory

  • ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów

Panel

ST6 – Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne

Jednostka realizująca

Politechnika Częstochowska, Wydział Elektryczny

woj. śląskie

Inne projekty tej jednostki »

Kierownik projektu (z jednostki realizującej)

dr hab. Grzegorz Michał Dudek

Liczba wykonawców projektu: 1

Konkurs

OPUS 14 – ogłoszony 2017-09-15

Przyznana kwota
152 400 PLN
Rozpoczęcie projektu
2018-06-29
Zakończenie projektu
2021-06-28
Planowany czas trwania projektu
36 miesięcy (z wniosku)
Status projektu
Projekt rozliczony

Opis projektu

Pobierz opis projektu w formacie .pdf

Uwaga — opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Zakupiona aparatura

  1. Zestaw komputerowy (stacjonarny). Za kwotę 18 000 PLN

Dane z raportu końcowego/rocznego

Publikacje w czasopismach (1)

  1. Generating random weights and biases in feedforward neural networks with random hidden nodes

    Autorzy:
    Grzegorz Dudek
    Czasopismo:
    Information Sciences (rok: 2019, tom: 481, strony: 33-56), Wydawca: Elsevier
    Status:
    Opublikowana
    DOI:
    10.1016/j.ins.2018.12.063 – link do publikacji

Teksty w publikacjach pokonferencyjnych (10)

  1. Are Direct Links Necessary in Random Vector Functional Link Networks for Regression

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    19th International Conference on Artificial Intelligence and Soft Computing (rok: 2020, strony: 60-70), Wydawca: Springer
    Data:
    konferencja 21-25 czerwca 2020
    Status:
    Opublikowana
  2. Sensitivity Analysis of the Neural Networks Randomized Learning

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    18th International Conference on Artificial Intelligence and Soft Computing (rok: 2019, strony: 51-61), Wydawca: Springer
    Data:
    konferencja 16-20 czerwca 2019
    Status:
    Opublikowana
    DOI:
    link do publikacji
  3. Data-Driven Randomized Learning of Feedforward Neural Networks

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    International Joint Conference on Neural Networks (rok: 2020, strony: 46030), Wydawca: IEEE
    Data:
    konferencja 19-24 Lipca 2020
    Status:
    Opublikowana
  4. Generating Random Parameters in Feedforward Neural Networks with Random Hidden Nodes: Drawbacks of the Standard Method and How to Improve It

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    International Conference on Neural Information Processing, ICONIP 2020 (rok: 2020, strony: 598-606), Wydawca: Springer
    Data:
    konferencja 18-22.11.2020
    Status:
    Opublikowana
  5. New Methods of Generating Random Parameters in Feedforward Neural Networks with Random Hidden Nodes

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    Polskie Porozumienie na rzecz Rozwoju Sztucznej Inteligencji PP-RAI (rok: 2019, strony: 269-272), Wydawca: Department of Systems and Computer Networks, Faculty of Electronics Wroclaw University of Science and Technology
    Data:
    konferencja 16-18 października 2019
    Status:
    Opublikowana
    DOI:
    link do publikacji
  6. Improving Randomized Learning of Feedforward Neural Networks by Appropriate Generation of Random Parameter

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    15th International Work-Conference on Artificial Neural Networks (rok: 2019, strony: 517-530), Wydawca: Springer
    Data:
    konferencja 12-14 czerwca 2019
    Status:
    Opublikowana
    DOI:
    link do publikacji
  7. Data-Driven Learning of Feedforward Neural Networks with Different Activation Functions

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    20th International Conference on Artificial Intelligence and Soft Computing (rok: 2021, strony: 66-77), Wydawca: Springer
    Data:
    konferencja 2021.06.20-24
    Status:
    Opublikowana
  8. Randomized Neural Networks for Forecasting Time Series with Multiple Seasonality

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    16th International Work-Conference on Artificial Neural Networks (rok: 2021, strony: 196-207), Wydawca: Springer
    Data:
    konferencja 2021.06.16-18
    Status:
    Opublikowana
  9. Autoencoder based Randomized Learning of Feedforward Neural Networks for Regression

    Autorzy:
    Grzegorz Dudek
    Konferencja:
    International Joint Conference on Neural Networks (rok: 2021, strony: 196-207), Wydawca: IEEEXplore
    Data:
    konferencja 2021.07.18-23
    Status:
    Opublikowana
  10. Ensembles of Randomized Neural Networks for Pattern-based Time Series Forecasting

    Autorzy:
    Grzegorz Dudek, Paweł Pełka
    Konferencja:
    International Conference on Neural Information Processing, ICONIP 2021 (rok: 2021), Wydawca: Springer
    Status:
    Przyjęta do publikacji

« Nowe wyszukiwanie

Projekt graficzny i wykonanie: Jakub Piotrowski