Multi-Gene Grammatical Evolution for Symbolic Regression
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00231186" target="_blank" >RIV/68407700:21230/15:00231186 - isvavai.cz</a>
Výsledek na webu
<a href="http://radio.feld.cvut.cz/conf/poster2015/Proceedings_of_Poster_2015.zip" target="_blank" >http://radio.feld.cvut.cz/conf/poster2015/Proceedings_of_Poster_2015.zip</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Multi-Gene Grammatical Evolution for Symbolic Regression
Popis výsledku v původním jazyce
Genetic Programming is now a mature technology for solving difficult non-linear regression tasks, where other approaches often fail to produce good solutions. However, there are still issues with the performance of GP in symbolic regression tasks. Recentresearch has shown the power of utilizing linear regression and multiple expression trees to create more accurate solutions. Grammatical Evolution is a variant of GP which uses grammar to create the solutions, but no research so far has investigated thepossibility of using multiple genes in it. In this article we propose a multi-gene algorithm based upon Grammatical Evolution and show its superior performance on a classical symbolic regression benchmark.
Název v anglickém jazyce
Multi-Gene Grammatical Evolution for Symbolic Regression
Popis výsledku anglicky
Genetic Programming is now a mature technology for solving difficult non-linear regression tasks, where other approaches often fail to produce good solutions. However, there are still issues with the performance of GP in symbolic regression tasks. Recentresearch has shown the power of utilizing linear regression and multiple expression trees to create more accurate solutions. Grammatical Evolution is a variant of GP which uses grammar to create the solutions, but no research so far has investigated thepossibility of using multiple genes in it. In this article we propose a multi-gene algorithm based upon Grammatical Evolution and show its superior performance on a classical symbolic regression benchmark.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
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 the 19th International Scientific Student Conferenece POSTER 2015
ISBN
978-80-01-05499-4
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
1-5
Název nakladatele
Czech Technical University in Prague
Místo vydání
Praha
Místo konání akce
Praha
Datum konání akce
14. 5. 2015
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—