Multi-objectivization and Surrogate Modelling for Neural Network Hyper-parameters Tuning

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F13%3A10173118" target="_blank" >RIV/00216208:11320/13:10173118 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/67985807:_____/13:00428789

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-642-39678-6_11" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-642-39678-6_11</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-39678-6_11" target="_blank" >10.1007/978-3-642-39678-6_11</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Multi-objectivization and Surrogate Modelling for Neural Network Hyper-parameters Tuning

Popis výsledku v původním jazyce

We present a multi-objectivization approach to the parameter tuning of RBF networks and multilayer perceptrons. The approach works by adding two new objectives - maximization of kappa statistic and minimization of root mean square error - to the originally single-objective problem of minimizing the classification error of the model. We show the performance of the multiobjectivization approach on five data sets and compare it to a surrogate based single-objective algorithm for the same problem. Moreover,we compare the multi-objectivization approach to two surrogate based approaches - a singleobjective one and a multi-objective one.

Název v anglickém jazyce

Multi-objectivization and Surrogate Modelling for Neural Network Hyper-parameters Tuning

Popis výsledku anglicky

We present a multi-objectivization approach to the parameter tuning of RBF networks and multilayer perceptrons. The approach works by adding two new objectives - maximization of kappa statistic and minimization of root mean square error - to the originally single-objective problem of minimizing the classification error of the model. We show the performance of the multiobjectivization approach on five data sets and compare it to a surrogate based single-objective algorithm for the same problem. Moreover,we compare the multi-objectivization approach to two surrogate based approaches - a singleobjective one and a multi-objective one.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/LD13002" target="_blank" >LD13002: Modelování složitých systémů softcomputingovými metodami</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Communications in Computer and Information Science

ISBN

978-3-642-39677-9

ISSN

1865-0929

e-ISSN

—

Počet stran výsledku

7

Strana od-do

61-66

Název nakladatele

Springer Berlin Heidelberg

Místo vydání

Berlin, Německo

Místo konání akce

Nanning, China

Datum konání akce

28. 7. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—