Object

Title: Analiza porównawcza samouczących się sieci neuronowych typu SOM i GNG w poszukiwaniu reguł asocjacyjnych

Tytuł odmienny:

A Comparative Analysis of Self-Learning SOM and GNG Neural Networks in Search of Association Rules

Autor:

Migdał-Najman, Kamila

Opis:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2011; Nr 176, s. 272-281

Abstrakt:

W artykule dokonano próby porównania dwóch metod analizy skupień opartych na nienadzorowanym uczeniu sieci neuronowych SOM i GNG w poszukiwaniu reguł asocjacyjnych. Autorka weryfikuje potencjał samouczących się sieci w poszukiwaniu wzorców zakupowych klientów na dwóch zbiorach danych umownych. Wykryte reguły asocjacyjne uzyskane w oparciu o sieć SOM i GNG prezentuje wizualnie ma wykresach sieciowych.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2011

Typ zasobu:

artykuł

Identyfikator zasobu:

oai:dbc.wroc.pl:118685

Język:

pol

Powiązania:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2011; Nr 176 ; Taksonomia 18 Klasyfikacja i analiza danych - teoria i zastosowania

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

Objects Similar

×

Citation

Citation style:

This page uses 'cookies'. More information