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
—