Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Modeling of Relationships between Economic Performance and Environmental Quality using Neural Networks with Unsupervised Learning – the Case of the Czech Republic Regions
Autoři: Hájek Petr | Olej Vladimír | Obršálová Ilona
Rok: 2012
Druh publikace: článek ve sborníku
Název zdroje: Recent Advances in Energy, Environment and Economic Development
Název nakladatele: WSEAS Press
Místo vydání: Atény
Strana od-do: 292-297
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Modelování vztahů mezi ekonomickou výkonností a kvalitou životního prostředí pomocí neuronových sítí s učením bez učitele - případ regionů České republiky Článek uvádí návrh ekonomických a environmentálních parametrů, které charakterizují regiony České republiky. Na základě těchto parametrů byly navrženy modely se vztahem k ekonomické výkonnosti a životnímu prostředí. Pak byly hledány vazby mezi ekonomickou výkonností a kvalitou životního prostředí jednotlivých regionů v České republice. Modelování je realizováno pomocí neuronových sítí bez učitele, t.j. Kohonenových samoorganizujících se map. Ekonomická výkonnost; kvalita životního prostředí; modelování; učení bez učitele; Kohonenovy samoorganizující se mapy.
eng Modeling of Relationships between Economic Performance and Environmental Quality using Neural Networks with Unsupervised Learning – the Case of the Czech Republic Regions The paper presents design of economic and environmental parameters which characterize the regions of the Czech Republic. Based on these parameters models were designed which are related to economic performance and environment. Using the listed facts, it is possible to look for connections of economic performance and environmental quality of individual regions in the Czech Republic. The modeling as such is realized based on neural networks with unsupervised learning, i.e. using Kohonen’s self-organizing feature maps. Economic performance; environmental quality; modeling; unsupervised learning; Kohonen’s selforganizing feature maps.