Finding an Optimal Configuration of the Feed-forward Neural Network

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86096915" target="_blank" >RIV/61989100:27240/16:86096915 - isvavai.cz</a>

Výsledek na webu

<a href="http://ebooks.iospress.nl/publication/42082" target="_blank" >http://ebooks.iospress.nl/publication/42082</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3233/978-1-61499-611-8-199" target="_blank" >10.3233/978-1-61499-611-8-199</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Finding an Optimal Configuration of the Feed-forward Neural Network

Popis výsledku v původním jazyce

In this paper we present an algorithm for finding an optimal configuration of the artificial neural network that is used for the classification in our use case based effort estimation tool. This approach is based on feed-forward artificial neural network and is trained using the back-propagation training algorithm. Our goal is to find the optimal number of hidden neurons and the optimal number of training iterations to be able to reach maximal accuracy of neural network during the estimations. We demonstrate the usage of the proposed algorithm and its result on the estimation example that contains training and testing datasets of UseCases obtained from real software project development

Název v anglickém jazyce

Finding an Optimal Configuration of the Feed-forward Neural Network

Popis výsledku anglicky

In this paper we present an algorithm for finding an optimal configuration of the artificial neural network that is used for the classification in our use case based effort estimation tool. This approach is based on feed-forward artificial neural network and is trained using the back-propagation training algorithm. Our goal is to find the optimal number of hidden neurons and the optimal number of training iterations to be able to reach maximal accuracy of neural network during the estimations. We demonstrate the usage of the proposed algorithm and its result on the estimation example that contains training and testing datasets of UseCases obtained from real software project development

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název statě ve sborníku

Frontiers in Artificial Intelligence and Applications, vol. 292

ISBN

978-1-61499-719-1

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

199-206

Název nakladatele

IOS Press

Místo vydání

Amsterodam

Místo konání akce

Tampere

Datum konání akce

6. 6. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000385790100017