Symbolic Regression by Grammar-based Multi-Gene Genetic Programming
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00231783" target="_blank" >RIV/68407700:21230/15:00231783 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21730/15:00231783
Výsledek na webu
<a href="http://dl.acm.org/citation.cfm?id=2768484&CFID=715756301&CFTOKEN=65340477" target="_blank" >http://dl.acm.org/citation.cfm?id=2768484&CFID=715756301&CFTOKEN=65340477</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1145/2739482.2768484" target="_blank" >10.1145/2739482.2768484</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Symbolic Regression by Grammar-based Multi-Gene Genetic Programming
Popis výsledku v původním jazyce
Grammatical Evolution is an algorithm of Genetic Programming but it is capable of evolving programs in an arbitrary language given by a user-provided context-free grammar. We present a way how to apply Multi-Gene idea, known from Multi-Gene Genetic Programming, to Grammatical Evolution, just by modifying the given grammar. We also describe modifications which improve the behavior of such algorithm, called Multi-Gene Grammatical Evolution. We compare the resulting system to GPTIPS, an existing implementation of MGGP.
Název v anglickém jazyce
Symbolic Regression by Grammar-based Multi-Gene Genetic Programming
Popis výsledku anglicky
Grammatical Evolution is an algorithm of Genetic Programming but it is capable of evolving programs in an arbitrary language given by a user-provided context-free grammar. We present a way how to apply Multi-Gene idea, known from Multi-Gene Genetic Programming, to Grammatical Evolution, just by modifying the given grammar. We also describe modifications which improve the behavior of such algorithm, called Multi-Gene Grammatical Evolution. We compare the resulting system to GPTIPS, an existing implementation of MGGP.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-22731S" target="_blank" >GA15-22731S: Symbolická regrese pro posilované učení ve spojitých prostorech</a><br>
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 Companion Publication of the 2015 on Genetic and Evolutionary Computation Conference (GECCO 2015)
ISBN
978-1-4503-3488-4
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
1217-1220
Název nakladatele
ACM
Místo vydání
New York
Místo konání akce
Madrid
Datum konání akce
11. 7. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—