Login for students

Login for employees

Publication detail

Modelling of Web Domain Visits by Radial Basis Function Neural Networks and Support Vector Machine Regression
Authors: Olej Vladimír | Filipová Jana
Year: 2011
Type of publication: článek ve sborníku
Name of source: IFIP Advances in Information and Communication Technology
Publisher name: Springer
Place: Heidelberg
Page from-to: 229-239
Titles:
Language Name Abstract Keywords
cze Modelování návštěvnosti webové domény pomocí RBF neuronových sítí a SVM regrese. Článek představuje základní pojmy web miningu, radiální bázické funkce (RBF) neuronové sítě a ε-insensitive Support Vector Machine regresy (ε-SVR) pro predikci časových řad na webových stránkách Univerzity Pardubice. Model obsahuje předzpracování časových řad, konstrukce RBF neuronové sítě a ε-SVR struktury, porovnání výsledků a predikci časových řad. Predikce se skládá z krátké, střední a dlouhé časové řady pro různé poměry trénovacích a testovacích dat. Predikce webových dat může být přínosem pro provoz webového serveru, jako složitého komplexního systému. Web mining; radiální bázické funkce neuronové sítě; ε-insensitive support vector machine regrese; časové řady; predikce.
eng Modelling of Web Domain Visits by Radial Basis Function Neural Networks and Support Vector Machine Regression The paper presents basic notions of web mining, radial basis function (RBF) neural networks and ε-insensitive support vector machine regression (ε-SVR) for the prediction of a time series for the website of the University of Pardubice. The model includes pre-processing time series, design RBF neural networks and ε-SVR structures, comparison of the results and time series prediction. The predictions concerning short, intermediate and long time series for various ratios of training and testing data. Prediction of web data can be benfit for a Web server traffic as a complicated complex system. Web mining; radial basis function neural networks; ε-insensitive support vector machine regression; time series; prediction.

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives