Self-learning Genetic Algorithm for Neural Network Topology Optimization

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>

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.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

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

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