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”

Evolving flexible beta basis function neural tree using extended genetic programming & Hybrid Artificial Bee Colony

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86099077" target="_blank" >RIV/61989100:27240/16:86099077 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1016/j.asoc.2016.03.006" target="_blank" >http://dx.doi.org/10.1016/j.asoc.2016.03.006</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.asoc.2016.03.006" target="_blank" >10.1016/j.asoc.2016.03.006</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Evolving flexible beta basis function neural tree using extended genetic programming & Hybrid Artificial Bee Colony

  • Popis výsledku v původním jazyce

    In this paper, a new hybrid learning algorithm is introduced to evolve the flexible beta basis function neural tree (FBBFNT). The structure is developed using the Extended Genetic Programming (EGP) and the Beta parameters and connected weights are optimized by the Hybrid Artificial Bee Colony algorithm. This hybridization is essentially based on replacing the random Artificial Bee Colony (ABC) position with the guided Opposite -based Particle Swarm Optimization (OPSO) position. Such modification can minimize the delay which might be lead by the random position, in reaching the global solution. The performance of the proposed model is evaluated for benchmark problems drawn from time series prediction area and is compared with those of related methods.

  • Název v anglickém jazyce

    Evolving flexible beta basis function neural tree using extended genetic programming & Hybrid Artificial Bee Colony

  • Popis výsledku anglicky

    In this paper, a new hybrid learning algorithm is introduced to evolve the flexible beta basis function neural tree (FBBFNT). The structure is developed using the Extended Genetic Programming (EGP) and the Beta parameters and connected weights are optimized by the Hybrid Artificial Bee Colony algorithm. This hybridization is essentially based on replacing the random Artificial Bee Colony (ABC) position with the guided Opposite -based Particle Swarm Optimization (OPSO) position. Such modification can minimize the delay which might be lead by the random position, in reaching the global solution. The performance of the proposed model is evaluated for benchmark problems drawn from time series prediction area and is compared with those of related methods.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Applied Soft Computing

  • ISSN

    1568-4946

  • e-ISSN

  • Svazek periodika

    47

  • Číslo periodika v rámci svazku

    Oct

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    16

  • Strana od-do

    653-668

  • Kód UT WoS článku

    000380935400048

  • EID výsledku v databázi Scopus

    2-s2.0-84967110128