Artificial Neural Networks Learning and Architecture Parameters Optimization by Evolutionary Algorithms
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60460709%3A41330%2F10%3A47929" target="_blank" >RIV/60460709:41330/10:47929 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů
Original language description
Příspěvek se zabývá problematikou optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů. Optimalizovaná síť byla testována při krátkodobé předpovědi průtoků (6 h) na povodí horního toku řeky Sázavy. Použitým typem neuronové sítě byl vícevrstevný perceptron s učením zpětnou propagací chyby. Po optimalizaci parametrů byly neuronové sítě natrénovány a byly provedeny simulace. Kvalita předpovědi byla hodnocena vybranými kritérii. Z výsledků vyplývá, že optimalizované neuronové sítě mají při krátkodobé předpovědi dobré výsledky. Optimalizace parametrů přispívá ke zlepšení kvality předpovědi a může být využita pro přesnější volbu hodnot parametrů ovlivňujících učení a simulace.
Czech name
Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů
Czech description
Příspěvek se zabývá problematikou optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů. Optimalizovaná síť byla testována při krátkodobé předpovědi průtoků (6 h) na povodí horního toku řeky Sázavy. Použitým typem neuronové sítě byl vícevrstevný perceptron s učením zpětnou propagací chyby. Po optimalizaci parametrů byly neuronové sítě natrénovány a byly provedeny simulace. Kvalita předpovědi byla hodnocena vybranými kritérii. Z výsledků vyplývá, že optimalizované neuronové sítě mají při krátkodobé předpovědi dobré výsledky. Optimalizace parametrů přispívá ke zlepšení kvality předpovědi a může být využita pro přesnější volbu hodnot parametrů ovlivňujících učení a simulace.
Classification
Type
J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP classification
DA - Hydrology and limnology
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/QH91247" target="_blank" >QH91247: Elimination of climate change impacts by increasing of storage capacity in the Rakovnický brook basin (case study)</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2010
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Name of the periodical
Vodohospodářské technicko-ekonomické informace
ISSN
0322-8916
e-ISSN
—
Volume of the periodical
52
Issue of the periodical within the volume
I
Country of publishing house
CZ - CZECH REPUBLIC
Number of pages
5
Pages from-to
—
UT code for WoS article
—
EID of the result in the Scopus database
—