Evolutionary Synthesis of Complex Structures - Pseudo Neural Networks for the Task of Iris Dataset Classification
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F13%3A43869796" target="_blank" >RIV/70883521:28140/13:43869796 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-00542-3_22" target="_blank" >http://dx.doi.org/10.1007/978-3-319-00542-3_22</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-00542-3_22" target="_blank" >10.1007/978-3-319-00542-3_22</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Evolutionary Synthesis of Complex Structures - Pseudo Neural Networks for the Task of Iris Dataset Classification
Popis výsledku v původním jazyce
This research deals with a novel approach to classification. This paper deals with a synthesis of a complex structure which serves as a classifier. Classical artificial neural networks, where a relation between inputs and outputs is based on the mathematical transfer functions and optimized numerical weights, were an inspiration for this work. The proposed method utilizes Analytic Programming (AP) as the tool of the evolutionary symbolic regression. AP synthesizes a whole structure of the relation between inputs and output. Iris data (a known benchmark for classifiers) was used for testing of the proposed method. For experimentation, Differential Evolution for the main procedure and also for meta-evolution version of analytic programming was used.
Název v anglickém jazyce
Evolutionary Synthesis of Complex Structures - Pseudo Neural Networks for the Task of Iris Dataset Classification
Popis výsledku anglicky
This research deals with a novel approach to classification. This paper deals with a synthesis of a complex structure which serves as a classifier. Classical artificial neural networks, where a relation between inputs and outputs is based on the mathematical transfer functions and optimized numerical weights, were an inspiration for this work. The proposed method utilizes Analytic Programming (AP) as the tool of the evolutionary symbolic regression. AP synthesizes a whole structure of the relation between inputs and output. Iris data (a known benchmark for classifiers) was used for testing of the proposed method. For experimentation, Differential Evolution for the main procedure and also for meta-evolution version of analytic programming was used.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/ED2.1.00%2F03.0089" target="_blank" >ED2.1.00/03.0089: Centrum bezpečnostních, informačních a pokročilých technologií (CEBIA-Tech)</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
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
10
Strana od-do
211-220
Název nakladatele
Springer-Verlag Berlin
Místo vydání
Heidelberg
Místo konání akce
Ostrava
Datum konání akce
3. 6. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—