All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Genetic Algorithm and Neural Network

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F07%3APU70349" target="_blank" >RIV/00216305:26210/07:PU70349 - isvavai.cz</a>

  • Alternative codes found

    RIV/00216305:26220/07:PU70349

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    Genetic Algorithm and Neural Network

  • Original language description

    This paper describes application of Genetic algorithm (GA) for design of network configuration and for learning of neural network. Design of network configuration is the first area for GA exercise in relation to neural network. The number of neurons in network and placement to the layers has big influence over effectivity of whole system. If we are able to formulate quality classification of designed network from standpoint of topology, we can use GA for design of suitable network configuration. The second area (learning of neural network) consists in using of advantages of GA toward learning of neural networks. In this case GA looks for acceptable setting of network weights so, to make specified transformation - it practices minimalization of its mistake function. The Genetic algorithm is considered to be a stochastic heuristic (or meta-heuristic) method. Genetic algorithms are inspired by adaptive and evolutionary mechanisms of live organisms. The best use of Genetic algorithm can be

  • Czech name

    Genetický algoritmus a neuronová síť

  • Czech description

    Článek zahrnuje použití genetického algoritmu (GA) pro pro návrh topologie a učení neuronové sítě. Počet neuronů a jejich rozložení v jednotlivých vrstvách neuromové sítě je klíčové pro efektivitu celého systému. Právě GA lze s výhodou použít pro návrh optimální topologie dané neuronové sítě. Pro vlastní učení neuronové sítě lze GA využít zejména pro vhodné nastavení vah. Genetický algoritmus je považován za stochasticko-heuristickou (nebo meta-heuristickou) metodu. Úspěšné aplikace GA představuje řešení multidimensionálních optimizačních problemů, kde analytické řešení není známo (nebo je extrémě složité) a efektivní numerické metody neexistují.

Classification

  • Type

    J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

  • CEP classification

    JD - Use of computers, robotics and its application

  • OECD FORD branch

Result continuities

  • Project

    Result was created during the realization of more than one project. More information in the Projects tab.

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Others

  • Publication year

    2007

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Name of the periodical

    WSEAS Applied Informatics & Communications

  • ISSN

    1790-5117

  • e-ISSN

  • Volume of the periodical

    2007

  • Issue of the periodical within the volume

    3

  • Country of publishing house

    GR - GREECE

  • Number of pages

    5

  • Pages from-to

    347-351

  • UT code for WoS article

  • EID of the result in the Scopus database