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”

Použití neuronových sítí k nastavování heuristických parametrů v evoluční optimalizaci

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F06%3A00032030" target="_blank" >RIV/67985807:_____/06:00032030 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Using Neural Networks to Tune Heuristic Parameters in Evolutionary Optimization

  • Popis výsledku v původním jazyce

    Evolutionary optimization algorithms contain, due to their heuristic inspiration, many heuristic parameters, which need to be empirically tuned for the algorithm to work properly. This paper deals with tuning such parameters in situations when the valuesof the objective function have to be obtained in a costly experimental way. It suggests to use a neural-network based approximation of the objective function for parameter tuning in such situations. In this way, the convergence speed of the algorithm and the diversity of the population of points can be in vestigated for many various combinations of heuristic parameters. To construct the approximating neural network, some initial amount of data is needed, usually obtained from running the algorithm forseveral generations with default values.

  • Název v anglickém jazyce

    Using Neural Networks to Tune Heuristic Parameters in Evolutionary Optimization

  • Popis výsledku anglicky

    Evolutionary optimization algorithms contain, due to their heuristic inspiration, many heuristic parameters, which need to be empirically tuned for the algorithm to work properly. This paper deals with tuning such parameters in situations when the valuesof the objective function have to be obtained in a costly experimental way. It suggests to use a neural-network based approximation of the objective function for parameter tuning in such situations. In this way, the convergence speed of the algorithm and the diversity of the population of points can be in vestigated for many various combinations of heuristic parameters. To construct the approximating neural network, some initial amount of data is needed, usually obtained from running the algorithm forseveral generations with default values.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA201%2F05%2F0325" target="_blank" >GA201/05/0325: Nové metody a nástroje pro dobývání znalostí z databází</a><br>

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2006

  • 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

    Artificial Intelligence, Knowledge Engineering and Data Bases

  • ISBN

    960-8457-41-6

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1-6

  • Název nakladatele

    WSEAS Press

  • Místo vydání

    Athens

  • Místo konání akce

    Madrid

  • Datum konání akce

    15. 2. 2006

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku