Multi-Gene Grammatical Evolution for Symbolic Regression

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

—

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.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

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

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

—