Model Identification from Incomplete Data Set Describing State Variable Subset Only - The Problem of Optimizing and Predicting Heuristic Incorporation into Evolutionary System
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F13%3A00207320" target="_blank" >RIV/68407700:21260/13:00207320 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-00542-3_19" target="_blank" >http://dx.doi.org/10.1007/978-3-319-00542-3_19</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-00542-3_19" target="_blank" >10.1007/978-3-319-00542-3_19</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Model Identification from Incomplete Data Set Describing State Variable Subset Only - The Problem of Optimizing and Predicting Heuristic Incorporation into Evolutionary System
Popis výsledku v původním jazyce
Presented paper describes the application of evolutionary system GPA-ES in difficult task of chaotic system symbolic regression from incomplete training data set describing only some of model variables. The algorithm uses many heuristics which are described below and which will be subject of future development. The first test of algorithm was applying the Lorenz attractor system data, where only the original system x and y variable data were used and z variable data were estimated
Název v anglickém jazyce
Model Identification from Incomplete Data Set Describing State Variable Subset Only - The Problem of Optimizing and Predicting Heuristic Incorporation into Evolutionary System
Popis výsledku anglicky
Presented paper describes the application of evolutionary system GPA-ES in difficult task of chaotic system symbolic regression from incomplete training data set describing only some of model variables. The algorithm uses many heuristics which are described below and which will be subject of future development. The first test of algorithm was applying the Lorenz attractor system data, where only the original system x and y variable data were used and z variable data were estimated
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2013
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
Nostradamus 2013: Prediction, Modeling and Analysis of Complex Systems
ISBN
978-3-319-00541-6
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
9
Strana od-do
181-189
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Ostrava
Datum konání akce
3. 6. 2013
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—