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”

Flexible neural trees—Parallel learning on HPC

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F17%3A10238063" target="_blank" >RIV/61989100:27240/17:10238063 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/17:10238063

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007%2F978-981-10-3391-9_4" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-981-10-3391-9_4</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-981-10-3391-9_4" target="_blank" >10.1007/978-981-10-3391-9_4</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Flexible neural trees—Parallel learning on HPC

  • Popis výsledku v původním jazyce

    he purpose of this research is to develop effective parallel Flexible Neural Tree learning algorithm based on Message Passing Interface at High Performance Computing environment. The implemented framework utilizes two bio-inspired evolutionary algorithms that were parallelized. Genetic algorithm is used to develop structure of FNT and differential evolution for fine tunning of the parameters. Framework was tested for its correctness and scalability on Anselm cluster. Scalability experiments prove good performance results.

  • Název v anglickém jazyce

    Flexible neural trees—Parallel learning on HPC

  • Popis výsledku anglicky

    he purpose of this research is to develop effective parallel Flexible Neural Tree learning algorithm based on Message Passing Interface at High Performance Computing environment. The implemented framework utilizes two bio-inspired evolutionary algorithms that were parallelized. Genetic algorithm is used to develop structure of FNT and differential evolution for fine tunning of the parameters. Framework was tested for its correctness and scalability on Anselm cluster. Scalability experiments prove good performance results.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • 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

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • 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

    Advances in intelligent systems and computing. Volume 568

  • ISBN

    978-981-10-3390-2

  • ISSN

    2194-5357

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    11

  • Strana od-do

    67-77

  • Název nakladatele

    Springer

  • Místo vydání

    Singapur

  • Místo konání akce

    Kalkata

  • Datum konání akce

    12. 8. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku