Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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