Genetický algoritmus a neuronová síť

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

—

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

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

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)

Rok uplatnění

2007

Kód důvěrnosti údajů

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

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

—