Implementation of parameter space search for meta learning in a data-mining multi-agent system

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F11%3A00375575" target="_blank" >RIV/67985807:_____/11:00375575 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216208:11320/11:10103692
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ICMLA.2011.161" target="_blank" >http://dx.doi.org/10.1109/ICMLA.2011.161</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICMLA.2011.161" target="_blank" >10.1109/ICMLA.2011.161</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Implementation of parameter space search for meta learning in a data-mining multi-agent system
Popis výsledku v původním jazyce
In this paper an implementation of a multi-agent system designed for solving complex data mining tasks is presented. The system is based on ontologically sound AGR (agents, groups, roles) model and encapsulates Weka library methods in JADE agents. We emphasize the unique intelligent features of the system - its ability to search the parameter space of the data mining methods to find the optimal configuration, and meta learning - finding the best possible method for the given data based on the ontological compatibility of datasets.
Název v anglickém jazyce
Implementation of parameter space search for meta learning in a data-mining multi-agent system
Popis výsledku anglicky
In this paper an implementation of a multi-agent system designed for solving complex data mining tasks is presented. The system is based on ontologically sound AGR (agents, groups, roles) model and encapsulates Weka library methods in JADE agents. We emphasize the unique intelligent features of the system - its ability to search the parameter space of the data mining methods to find the optimal configuration, and meta learning - finding the best possible method for the given data based on the ontological compatibility of datasets.

Projekt
<a href="/cs/project/GAP202%2F11%2F1368" target="_blank" >GAP202/11/1368: Učení funkcionálních vztahů z vysoce dimenzionálních dat</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the The 10th International Conference on Machine Learning and Applications
ISBN
978-0-7695-4607-0
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
366-369
Název nakladatele
IEEE Computer Society
Místo vydání
Piscataway
Místo konání akce
Honolulu
Datum konání akce
18. 12. 2011
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)