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”

Extended Immune Programming and Opposite- based PSO for Evolving Flexible Beta Basis Function Neural Tree

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F13%3A86089372" target="_blank" >RIV/61989100:27740/13:86089372 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27240/13:86092861 RIV/61989100:27740/13:86092861

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/CYBConf.2013.6617425" target="_blank" >http://dx.doi.org/10.1109/CYBConf.2013.6617425</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/CYBConf.2013.6617425" target="_blank" >10.1109/CYBConf.2013.6617425</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Extended Immune Programming and Opposite- based PSO for Evolving Flexible Beta Basis Function Neural Tree

  • Popis výsledku v původním jazyce

    In this paper, a new hybrid learning algorithm based on the global optimization techniques, is introduced to evolve the Flexible Beta Basis Function Neural Tree (FBBFNT). The structure is developed using the Extended Immune Programming (EIP) and the Betaparameters and connected weights are optimized using the Opposite-based Particle Swarm Optimization (OPSO) algorithm. The performance of the proposed method is evaluated for time series prediction area and is compared with those of associated methods.

  • Název v anglickém jazyce

    Extended Immune Programming and Opposite- based PSO for Evolving Flexible Beta Basis Function Neural Tree

  • Popis výsledku anglicky

    In this paper, a new hybrid learning algorithm based on the global optimization techniques, is introduced to evolve the Flexible Beta Basis Function Neural Tree (FBBFNT). The structure is developed using the Extended Immune Programming (EIP) and the Betaparameters and connected weights are optimized using the Opposite-based Particle Swarm Optimization (OPSO) algorithm. The performance of the proposed method is evaluated for time series prediction area and is compared with those of associated methods.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2013

  • 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

    2013 IEEE International Conference on Cybernetics, CYBCONF 2013

  • ISBN

    978-1-4673-6469-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    13-18

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Lausanne

  • Datum konání akce

    13. 6. 2013

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku