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”

Hybrid Evolution of Heterogeneous Neural Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A00145831" target="_blank" >RIV/68407700:21230/08:00145831 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Hybrid Evolution of Heterogeneous Neural Networks

  • Popis výsledku v původním jazyce

    In this paper we are describing experiments and results of applications of the continual evolution algorithm to construction and optimization of recurrent neural networks with heterogeneous units. Our algorithm is a hybrid genetic algorithm with sequential individuals replacement, varibale population size and age-based probability control functions. Short introduction to main idea of the algorithm is given. We describe some new features implemented into the algorithm, the encoding of individuals, crossover, and mutation operators. The behavior of population during an evolutionary process is studied on atificial benchmark data sets. Results of the experiments confirm the theoretical properties of the algorithm.

  • Název v anglickém jazyce

    Hybrid Evolution of Heterogeneous Neural Networks

  • Popis výsledku anglicky

    In this paper we are describing experiments and results of applications of the continual evolution algorithm to construction and optimization of recurrent neural networks with heterogeneous units. Our algorithm is a hybrid genetic algorithm with sequential individuals replacement, varibale population size and age-based probability control functions. Short introduction to main idea of the algorithm is given. We describe some new features implemented into the algorithm, the encoding of individuals, crossover, and mutation operators. The behavior of population during an evolutionary process is studied on atificial benchmark data sets. Results of the experiments confirm the theoretical properties of the algorithm.

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

    2008

  • 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 Neural Networks - ICANN 2008, PT I

  • ISBN

    978-3-540-87535-2

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

  • Název nakladatele

    Springer

  • Místo vydání

    Heidelberg

  • Místo konání akce

    Prague

  • Datum konání akce

    3. 9. 2008

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku

    000259566200044