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”

Udržování diverzity v populacích modelů vzniklých evolucí

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F06%3A03128798" target="_blank" >RIV/68407700:21230/06:03128798 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Maintaining Diversity in Population of Evolved Models

  • Popis výsledku v původním jazyce

    This paper deals with creation of models by means of evolutionary algorithms, particularly with maintaining diversity of population using niching methods. Niching algorithms are known for their ability to search for more optima simultaneously. This is done by splitting the population of models into separate species. Species protect promising but yet not fully developed models. Search for more optima at the same time helps to avoid a premature convergence and therefore deals effectively with local optima. Efficiency of two different niching methods is compared on NEAT applied to the neuro-evolution of models.

  • Název v anglickém jazyce

    Maintaining Diversity in Population of Evolved Models

  • Popis výsledku anglicky

    This paper deals with creation of models by means of evolutionary algorithms, particularly with maintaining diversity of population using niching methods. Niching algorithms are known for their ability to search for more optima simultaneously. This is done by splitting the population of models into separate species. Species protect promising but yet not fully developed models. Search for more optima at the same time helps to avoid a premature convergence and therefore deals effectively with local optima. Efficiency of two different niching methods is compared on NEAT applied to the neuro-evolution of models.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • 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

    Proceedings of 40th Spring International Conference MOSIS 06, Modelling and Simulation of Systems

  • ISBN

    80-86840-21-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    113-120

  • Název nakladatele

    MARQ

  • Místo vydání

    Ostrava

  • Místo konání akce

    Přerov

  • Datum konání akce

    25. 4. 2006

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku