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”

Automatic Generation of Programs

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F11%3A00173261" target="_blank" >RIV/62156489:43110/11:00173261 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Automatic Generation of Programs

  • Popis výsledku v původním jazyce

    In this paper we describe two-level grammatical evolution (TLGE), which is a new method, designed to solve prediction tasks on agricultural and economical data. This method belongs to the group of artificial intelligence algorithms together with many other algorithms -- such as artificial neural networks, expert systems, etc. This method is based on the combination of two existing evolutionary algorithms -- grammatical evolution and differential evolution. Both methods are based on genetic algorithms. The paper describes general properties of genetic algorithms, which form the base of the methods used. The core part of the paper is the description of modified grammatical evolution algorithm (grammatical evolution with backward processing) together withthe description of two-level grammatical evolution. Although this method is applicable to different types of problems, this paper focuses solely on applications to non-linear regression problems. The section Applications and methods of e

  • Název v anglickém jazyce

    Automatic Generation of Programs

  • Popis výsledku anglicky

    In this paper we describe two-level grammatical evolution (TLGE), which is a new method, designed to solve prediction tasks on agricultural and economical data. This method belongs to the group of artificial intelligence algorithms together with many other algorithms -- such as artificial neural networks, expert systems, etc. This method is based on the combination of two existing evolutionary algorithms -- grammatical evolution and differential evolution. Both methods are based on genetic algorithms. The paper describes general properties of genetic algorithms, which form the base of the methods used. The core part of the paper is the description of modified grammatical evolution algorithm (grammatical evolution with backward processing) together withthe description of two-level grammatical evolution. Although this method is applicable to different types of problems, this paper focuses solely on applications to non-linear regression problems. The section Applications and methods of e

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Advances in Computer Science and Engineering

  • ISBN

    978-953-307-173-2

  • Počet stran výsledku

    20

  • Strana od-do

    17-36

  • Počet stran knihy

    462

  • Název nakladatele

    InTech

  • Místo vydání

    Rijeka

  • Kód UT WoS kapitoly