Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
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”

The Influence of Genetic Algorithms on Learning Possibilities of Artificial Neural Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F22%3AN2302H1D" target="_blank" >RIV/61988987:17310/22:N2302H1D - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61988987:17310/22:A2302H1D

  • Výsledek na webu

    <a href="https://www.mdpi.com/2073-431X/11/5/70" target="_blank" >https://www.mdpi.com/2073-431X/11/5/70</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/computers11050070" target="_blank" >10.3390/computers11050070</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    The Influence of Genetic Algorithms on Learning Possibilities of Artificial Neural Networks

  • Popis výsledku v původním jazyce

    The presented research study focuses on demonstrating the learning ability of a neural network using a genetic algorithm and finding the most suitable neural network topology for solving a demonstration problem. The network topology is significantly dependent on the level of generalization. More robust topology of a neural network is usually more suitable for particular details in the training set and it loses the ability to abstract general information. Therefore, we often design the network topology by taking into the account the required generalization, rather than the aspect of theoretical calculations. The next part of the article presents research whether a modification of the parameters of the genetic algorithm can achieve optimization and acceleration of the neural network learning process. The function of the neural network and its learning by using the genetic algorithm is demonstrated in a program for solving a computer game. The research focuses mainly on the assessment of the influence of changes in neural networks’ topology and changes in parameters in genetic algorithm on the achieved results and speed of neural network training. The achieved results are statistically presented and compared depending on the network topology and changes in the learning algorithm.

  • Název v anglickém jazyce

    The Influence of Genetic Algorithms on Learning Possibilities of Artificial Neural Networks

  • Popis výsledku anglicky

    The presented research study focuses on demonstrating the learning ability of a neural network using a genetic algorithm and finding the most suitable neural network topology for solving a demonstration problem. The network topology is significantly dependent on the level of generalization. More robust topology of a neural network is usually more suitable for particular details in the training set and it loses the ability to abstract general information. Therefore, we often design the network topology by taking into the account the required generalization, rather than the aspect of theoretical calculations. The next part of the article presents research whether a modification of the parameters of the genetic algorithm can achieve optimization and acceleration of the neural network learning process. The function of the neural network and its learning by using the genetic algorithm is demonstrated in a program for solving a computer game. The research focuses mainly on the assessment of the influence of changes in neural networks’ topology and changes in parameters in genetic algorithm on the achieved results and speed of neural network training. The achieved results are statistically presented and compared depending on the network topology and changes in the learning algorithm.

Klasifikace

  • Druh

    J<sub>SC</sub> - Článek v periodiku v databázi SCOPUS

  • CEP obor

  • OECD FORD obor

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

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/TL02000313" target="_blank" >TL02000313: Chytrý neuro-rehabilitační systém pro pacienty se získaným poškozením mozku v časných stádiích léčby</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    COMPUTERS

  • ISSN

    2073-431X

  • e-ISSN

  • Svazek periodika

  • Číslo periodika v rámci svazku

    5

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    28

  • Strana od-do

    701-728

  • Kód UT WoS článku

    000802477800001

  • EID výsledku v databázi Scopus

    2-s2.0-85129966490