Vše
Vše

Co hledáte?

Vše
Projekty
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Adaptivní diferenciální dvoluce: Aplicace v nelineární regresi

Popis výsledku

V článku jsou popsány různé přístupy k adaptaci řídicích parametrů v algoritmu diferenciální evoluce. Pět variant adaptivní diferenciální evoluce bylo experimentálně porovnáno v ulohách odhadu parametrů nelineárních regresních modelů na úlohách NIST se specializovaným CRS algorimem. Efektivnost dvou variant byla téměř srovnatelná s algoritmem CRS.

Klíčová slova

Global optimizationdifferential evolutionself-adaptation of control parametersnonlinear regression

Identifikátory výsledku

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive Differential Evolution: Application to Nonlinear Regression

  • Popis výsledku v původním jazyce

    Adaptation of control parameters in differential evolution is considered. Five adaptive variants of differential evolution are applied to the estimation of parameters in nonlinear regression models and their performance is compared experimentally with the adaptive controlled random search algorithm tailored especially for these problems. The NIST nonlinear regression datasets are used as a benchmark. Two of five tested variants of adaptive differential evolution perform almost as reliable as the adaptive controlled random search algorithm and one of these two variants converges only slightly slower and its time requirements are almost comparable with the adaptive controlled random search.

  • Název v anglickém jazyce

    Adaptive Differential Evolution: Application to Nonlinear Regression

  • Popis výsledku anglicky

    Adaptation of control parameters in differential evolution is considered. Five adaptive variants of differential evolution are applied to the estimation of parameters in nonlinear regression models and their performance is compared experimentally with the adaptive controlled random search algorithm tailored especially for these problems. The NIST nonlinear regression datasets are used as a benchmark. Two of five tested variants of adaptive differential evolution perform almost as reliable as the adaptive controlled random search algorithm and one of these two variants converges only slightly slower and its time requirements are almost comparable with the adaptive controlled random search.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

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 statě ve sborníku

    Proceedings of the International Multiconference on Computer Science and Information Technology

  • ISBN

  • ISSN

    1896-7094

  • e-ISSN

  • Počet stran výsledku

    10

  • Strana od-do

    193-202

  • Název nakladatele

    PTI

  • Místo vydání

    Wisla

  • Místo konání akce

    Wisla

  • Datum konání akce

    15. 10. 2007

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

Základní informace

Druh výsledku

D - Stať ve sborníku

D

CEP

BB - Aplikovaná statistika, operační výzkum

Rok uplatnění

2007