On Evolution of Multi-Category Pattern Classifiers Suitable for Embedded Systems

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F14%3APU111919" target="_blank" >RIV/00216305:26230/14:PU111919 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-662-44303-3_20" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-662-44303-3_20</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-662-44303-3_20" target="_blank" >10.1007/978-3-662-44303-3_20</a>

Jazyk výsledku

angličtina

Název v původním jazyce

On Evolution of Multi-Category Pattern Classifiers Suitable for Embedded Systems

Popis výsledku v původním jazyce

This paper addresses the problem of evolutionary design of classifiers for the recognition of handwritten digit symbols by means of Cartesian Genetic Programming. Two different design scenarios are investigated - the design of multiple-output classifier, and design of multiple binary classifiers. The goal is to evolve classification algorithms that employ substantially smaller amount of operations in contrast with conventional approaches such as Support Vector Machines. Even if the evolved classifiers do not reach the accuracy of the tuned SVM classifier, it will be shown that the accuracy is higher than 93% and the number of required operations is a magnitude lower.

Název v anglickém jazyce

On Evolution of Multi-Category Pattern Classifiers Suitable for Embedded Systems

Popis výsledku anglicky

This paper addresses the problem of evolutionary design of classifiers for the recognition of handwritten digit symbols by means of Cartesian Genetic Programming. Two different design scenarios are investigated - the design of multiple-output classifier, and design of multiple binary classifiers. The goal is to evolve classification algorithms that employ substantially smaller amount of operations in contrast with conventional approaches such as Support Vector Machines. Even if the evolved classifiers do not reach the accuracy of the tuned SVM classifier, it will be shown that the accuracy is higher than 93% and the number of required operations is a magnitude lower.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA14-04197S" target="_blank" >GA14-04197S: Pokročilé metody evolučního návrhu složitých číslicových obvodů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Genetic Programming, 17th European Conference, EuroGP 2014

ISBN

978-3-662-44302-6

ISSN

—

e-ISSN

—

Počet stran výsledku

12

Strana od-do

234-245

Název nakladatele

Springer Verlag

Místo vydání

Berlin

Místo konání akce

Granada

Datum konání akce

23. 4. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—