Lenses Classification by means of Pseudo Neural Networks ? Two Approaches
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F14%3A43871644" target="_blank" >RIV/70883521:28140/14:43871644 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Lenses Classification by means of Pseudo Neural Networks ? Two Approaches
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. This structure is similar to classical artificial neural net therefore the name pseudo neural network isused. The proposed method for classifier structure synthesis utilizes Analytic Programming (AP) as the tool of the evolutionary symbolic regression. AP synthesizes a whole structure of the relation between inputs and output. 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 paper shows two approaches ? continues classification with one output node and classical approach with binary classification and more output nodes. Lenses data (one of benchmarks for classifiers) was used for testing of the proposed method. For experimentation, Differential Evolution for the main procedure and also fo
Název v anglickém jazyce
Lenses Classification by means of Pseudo Neural Networks ? Two Approaches
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. This structure is similar to classical artificial neural net therefore the name pseudo neural network isused. The proposed method for classifier structure synthesis utilizes Analytic Programming (AP) as the tool of the evolutionary symbolic regression. AP synthesizes a whole structure of the relation between inputs and output. 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 paper shows two approaches ? continues classification with one output node and classical approach with binary classification and more output nodes. Lenses data (one of benchmarks for classifiers) was used for testing of the proposed method. For experimentation, Differential Evolution for the main procedure and also fo
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
2014
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
MENDEL 2014 20 th International conference on soft Computing
ISBN
978-80-214-4984-8
ISSN
1803-3814
e-ISSN
—
Počet stran výsledku
6
Strana od-do
397-401
Název nakladatele
Vysoké učení technické v Brně, Fakulta strojního inženýrství
Místo vydání
Brno
Místo konání akce
Brno
Datum konání akce
25. 6. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—