Získávání znalostí z dat pro ladění heuristických parametrů genetických algoritmů

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F06%3A00042318" target="_blank" >RIV/67985807:_____/06:00042318 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Knowledge Extraction from Data for Tuning Heuristic Parameters of Genetic Algorithms
Popis výsledku v původním jazyce
The heuristic inspiration of genetic algorithms entails their dependence on many heuristic parameters. For the algorithm to work most properly, those parameters need to be empirically tuned. If the values of the objective function have to be obtained ina costly experimental way, then the algorithm can not be run with several various combinations of the values of heuristic parameters. This paper suggests to use knowledge extracted from data by means of a neural network for parameter tuning in such situations.
Název v anglickém jazyce
Knowledge Extraction from Data for Tuning Heuristic Parameters of Genetic Algorithms
Popis výsledku anglicky
The heuristic inspiration of genetic algorithms entails their dependence on many heuristic parameters. For the algorithm to work most properly, those parameters need to be empirically tuned. If the values of the objective function have to be obtained ina costly experimental way, then the algorithm can not be run with several various combinations of the values of heuristic parameters. This paper suggests to use knowledge extracted from data by means of a neural network for parameter tuning in such situations.

Projekt
<a href="/cs/project/GA201%2F05%2F0557" target="_blank" >GA201/05/0557: Aproximace a učení funkcí více proměnných pomocí neuronových sítí a jádrových metod</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2006
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)