Accurate Mixed Weibull Distribution Fitting by Differential Evolution

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F17%3A10238704" target="_blank" >RIV/61989100:27240/17:10238704 - isvavai.cz</a>

Výsledek na webu

<a href="https://dl.acm.org/citation.cfm?doid=3071178.3071290" target="_blank" >https://dl.acm.org/citation.cfm?doid=3071178.3071290</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3071178.3071290" target="_blank" >10.1145/3071178.3071290</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Accurate Mixed Weibull Distribution Fitting by Differential Evolution

Popis výsledku v původním jazyce

Mixed Weibull distribution is a probability distribution noted for its wide applicability in many diverse fields. Thee ability to accurately estimate mixed distribution parameters is essential for data–driven modeling, simulation, and analysis of the phenomena represented by mixed Weibull models. Nature–inspired metaheuristics for continuous parameter optimization have shown good potential for approximating parameters of complex statistical models. Differential evolution is a popular evolutionary real–parameter optimization method with good results in many areas. This work uses differential evolution to fit mixed Weibull distribution to data and analyzes the ability of different differential evolution variants to estimate mixture parameters.

Název v anglickém jazyce

Accurate Mixed Weibull Distribution Fitting by Differential Evolution

Popis výsledku anglicky

Mixed Weibull distribution is a probability distribution noted for its wide applicability in many diverse fields. Thee ability to accurately estimate mixed distribution parameters is essential for data–driven modeling, simulation, and analysis of the phenomena represented by mixed Weibull models. Nature–inspired metaheuristics for continuous parameter optimization have shown good potential for approximating parameters of complex statistical models. Differential evolution is a popular evolutionary real–parameter optimization method with good results in many areas. This work uses differential evolution to fit mixed Weibull distribution to data and analyzes the ability of different differential evolution variants to estimate mixture parameters.

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)

Projekt

<a href="/cs/project/GJ16-25694Y" target="_blank" >GJ16-25694Y: Mnohoparadigmatické algoritmy dolování z dat založené na vyhledávání, fuzzy technologiích a bio-inspirovaných výpočtech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

GECCO 2017 - Proceedings of the 2017 Genetic and Evolutionary Computation Conference

ISBN

978-1-4503-4920-8

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

8

Strana od-do

1161-1168

Název nakladatele

Association for Computing Machinery

Místo vydání

New York

Místo konání akce

Berlín

Datum konání akce

15. 7. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—