Boosted Neural Networks in Evolutionary Computation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F09%3A00333959" target="_blank" >RIV/67985807:_____/09:00333959 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Boosted Neural Networks in Evolutionary Computation

Popis výsledku v původním jazyce

The paper deals with a neural-network-based version of surrogate modelling, a modern approach to the optimization of empirical objective functions. The approach leads to a substantial decrease of time and costs of evaluation of the objective function, aproperty that is particularly attractive in evolutionary optimization. In the paper, an extension of surrogate modelling with regression boosting is proposed, which increases the accuracy of surrogate models, thus also the agreement between results obtained with the model and those obtained with the original objective function. The extension is illustrated on a case study in materials science. Presented case study results clearly confirm the usefulness of boosting for neural-network-based surrogate models.

Název v anglickém jazyce

Boosted Neural Networks in Evolutionary Computation

Popis výsledku anglicky

The paper deals with a neural-network-based version of surrogate modelling, a modern approach to the optimization of empirical objective functions. The approach leads to a substantial decrease of time and costs of evaluation of the objective function, aproperty that is particularly attractive in evolutionary optimization. In the paper, an extension of surrogate modelling with regression boosting is proposed, which increases the accuracy of surrogate models, thus also the agreement between results obtained with the model and those obtained with the original objective function. The extension is illustrated on a case study in materials science. Presented case study results clearly confirm the usefulness of boosting for neural-network-based surrogate models.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název statě ve sborníku

Neural Information Processing

ISBN

978-3-642-10682-8

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

—

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Bangkok

Datum konání akce

1. 12. 2009

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—