Evolving Flexible Beta Basis Function Neural Tree for Nonlinear Systems

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F13%3A86089371" target="_blank" >RIV/61989100:27740/13:86089371 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/IJCNN.2013.6706992" target="_blank" >http://dx.doi.org/10.1109/IJCNN.2013.6706992</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/IJCNN.2013.6706992" target="_blank" >10.1109/IJCNN.2013.6706992</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Evolving Flexible Beta Basis Function Neural Tree for Nonlinear Systems
Popis výsledku v původním jazyce
In this paper, a new evolving artificial neural network using evolutionary computation is introduced. Based on the pre-defined Beta operator sets, this model called Flexible Beta Basis Function Neural Tree (FBBFNT), can be created and learned. The structure is developed using the Extended Immune Programming (EIP). The Beta parameters and connected weights are optimized using the Hybrid Bacterial Foraging Optimization algorithm. The performance of the proposed method is evaluated for nonlinear systems and compared with those of related methods.
Název v anglickém jazyce
Evolving Flexible Beta Basis Function Neural Tree for Nonlinear Systems
Popis výsledku anglicky
In this paper, a new evolving artificial neural network using evolutionary computation is introduced. Based on the pre-defined Beta operator sets, this model called Flexible Beta Basis Function Neural Tree (FBBFNT), can be created and learned. The structure is developed using the Extended Immune Programming (EIP). The Beta parameters and connected weights are optimized using the Hybrid Bacterial Foraging Optimization algorithm. The performance of the proposed method is evaluated for nonlinear systems and compared with those of related methods.

Projekt
<a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the International Joint Conference on Neural Networks 2013
ISBN
978-1-4673-6129-3
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
1-8
Název nakladatele
IEEE
Místo vydání
New York
Místo konání akce
Dallas
Datum konání akce
4. 8. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)