The Use of Local Models Optimized by Genetic Programming Algorithm in Biomedical-Signal Analysis
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F12%3A00197317" target="_blank" >RIV/68407700:21260/12:00197317 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
The Use of Local Models Optimized by Genetic Programming Algorithm in Biomedical-Signal Analysis
Popis výsledku v původním jazyce
Today researchers need to solve vague defined problems working with huge data sets describing signals close to chaotic ones. Common feature of such signals is missigng algebraic model explaining their nature. Genetics Algorithms and Evolutionary Strategies are suitable to optimize such models and Genetic Programming Algorithms to develop them. Hierarchical GPA-ES algorithm presented herein is used to build compact models of difficult signals including signals representing deterministic chaos. Efficiencyof GPA-ES is presented in the paper. Specific group of non-linearly composed functions similar to real biomedical signals is studien in the paper, On the base of these prerequisities, models applicable to complex biomedical signals like EEG modeling isformed and studied within the contribution.
Název v anglickém jazyce
The Use of Local Models Optimized by Genetic Programming Algorithm in Biomedical-Signal Analysis
Popis výsledku anglicky
Today researchers need to solve vague defined problems working with huge data sets describing signals close to chaotic ones. Common feature of such signals is missigng algebraic model explaining their nature. Genetics Algorithms and Evolutionary Strategies are suitable to optimize such models and Genetic Programming Algorithms to develop them. Hierarchical GPA-ES algorithm presented herein is used to build compact models of difficult signals including signals representing deterministic chaos. Efficiencyof GPA-ES is presented in the paper. Specific group of non-linearly composed functions similar to real biomedical signals is studien in the paper, On the base of these prerequisities, models applicable to complex biomedical signals like EEG modeling isformed and studied within the contribution.
Klasifikace
Druh
C - Kapitola v odborné knize
CEP obor
JB - Senzory, čidla, měření a regulace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název knihy nebo sborníku
Handbook of optimization From Classical to Modern Approach
ISBN
978-3-642-30503-0
Počet stran výsledku
20
Strana od-do
697-716
Počet stran knihy
1100
Název nakladatele
Springer
Místo vydání
Heidelberg
Kód UT WoS kapitoly
—