Pseudo Neural Networks Synthesized via Evolutionary Symbolic Regression for Pima Diabetes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F16%3A43875607" target="_blank" >RIV/70883521:28140/16:43875607 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Pseudo Neural Networks Synthesized via Evolutionary Symbolic Regression for Pima Diabetes

Popis výsledku v původním jazyce

This research deals with pseudo neural networks which were applied for solving Pima diabetes set. Pseudo neural networks are complex expressions synthesized by means of an evolutionary symbolic regression technique - analytic programming (AP). It represents a novel approach to classification when a relation between inputs and outputs is created. The inspiration came from classical artificial neural networks where such a relation between inputs and outputs is based on the mathematical transfer functions and optimized numerical weights. AP will synthesize a whole expression at once. There is also an advantage of suitable feature set selection during the same step of pseudo neural net synthesis. For experimentation, Differential Evolution (DE) for the main procedure and also for meta-evolution version of analytic programming (AP) was used.

Název v anglickém jazyce

Pseudo Neural Networks Synthesized via Evolutionary Symbolic Regression for Pima Diabetes

Popis výsledku anglicky

This research deals with pseudo neural networks which were applied for solving Pima diabetes set. Pseudo neural networks are complex expressions synthesized by means of an evolutionary symbolic regression technique - analytic programming (AP). It represents a novel approach to classification when a relation between inputs and outputs is created. The inspiration came from classical artificial neural networks where such a relation between inputs and outputs is based on the mathematical transfer functions and optimized numerical weights. AP will synthesize a whole expression at once. There is also an advantage of suitable feature set selection during the same step of pseudo neural net synthesis. For experimentation, Differential Evolution (DE) for the main procedure and also for meta-evolution version of analytic programming (AP) was used.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Mendel

ISBN

—

ISSN

1803-3814

e-ISSN

—

Počet stran výsledku

6

Strana od-do

153-158

Název nakladatele

Brno University of Technology

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

8. 6. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—