Self-learning Genetic Algorithm for Neural Network Topology Optimization
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19520%2F15%3A%230003693" target="_blank" >RIV/47813059:19520/15:#0003693 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-19728-9_15" target="_blank" >http://dx.doi.org/10.1007/978-3-319-19728-9_15</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-19728-9_15" target="_blank" >10.1007/978-3-319-19728-9_15</a>
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Self-learning Genetic Algorithm for Neural Network Topology Optimization
Popis výsledku v původním jazyce
The aim of this paper is presentation of encoding for self-adaptation of genetic algorithms which is suitable for neural network topology optimization. Comparing to previous approaches there is designed the encoding for self-adaptation not only one parameter or several ones but for all possible parameters of genetic algorithms at the same time. The proposed self-learning genetic algorithm is compared with a standard genetic algorithm. The main advantage of this approach is that it makes possible to solve wide range of optimization problems without setting parameters for each type of problem in advance.
Název v anglickém jazyce
Self-learning Genetic Algorithm for Neural Network Topology Optimization
Popis výsledku anglicky
The aim of this paper is presentation of encoding for self-adaptation of genetic algorithms which is suitable for neural network topology optimization. Comparing to previous approaches there is designed the encoding for self-adaptation not only one parameter or several ones but for all possible parameters of genetic algorithms at the same time. The proposed self-learning genetic algorithm is compared with a standard genetic algorithm. The main advantage of this approach is that it makes possible to solve wide range of optimization problems without setting parameters for each type of problem in advance.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Smart Innovation Systems and Technologies. Agent and Multi-Agent Systems: Technologies and Applications
ISBN
978-3-319-19728-9
ISSN
—
e-ISSN
—
Počet stran výsledku
10
Strana od-do
179-188
Název nakladatele
Springer International Publishing
Místo vydání
Heidelberg
Místo konání akce
Sorrento
Datum konání akce
17. 6. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000359295700015