Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Genetický algoritmus a neuronová síť

Identifikátory výsledku

  • Kód výsledku v 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>

  • Nalezeny alternativní kódy

    RIV/00216305:26220/07:PU70349

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Genetic Algorithm and Neural Network

  • Popis výsledku v původním jazyce

    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

  • Název v anglickém jazyce

    Genetic Algorithm and Neural Network

  • Popis výsledku anglicky

    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

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2007

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    WSEAS Applied Informatics & Communications

  • ISSN

    1790-5117

  • e-ISSN

  • Svazek periodika

    2007

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    GR - Řecká republika

  • Počet stran výsledku

    5

  • Strana od-do

    347-351

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus