On the applicability of random and the best solution driven metaheuristics for analytic programming and time series regression
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F19%3A63522828" target="_blank" >RIV/70883521:28140/19:63522828 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-91189-2_48" target="_blank" >http://dx.doi.org/10.1007/978-3-319-91189-2_48</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-91189-2_48" target="_blank" >10.1007/978-3-319-91189-2_48</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On the applicability of random and the best solution driven metaheuristics for analytic programming and time series regression
Popis výsledku v původním jazyce
This paper provides a closer insight into applicability and performance of the hybridization of symbolic regression open framework, which is Analytical Programming (AP) and Differential Evolution (DE) algorithm in the task of time series regression. AP can be considered as a robust open framework for symbolic regression thanks to its usability in any programming language with arbitrary driving metaheuristic. The motivation behind this research is to explore and investigate the applicability and differences in performance of AP driven by basic canonical entirely random or best solution driven mutation strategies of DE. An experiment with four case studies has been carried out here with the several time series consisting of GBP/USD exchange rate. The differences between regression/prediction models synthesized using AP as a direct consequence of different DE strategies performances are statistically compared and briefly discussed in conclusion section of this paper.
Název v anglickém jazyce
On the applicability of random and the best solution driven metaheuristics for analytic programming and time series regression
Popis výsledku anglicky
This paper provides a closer insight into applicability and performance of the hybridization of symbolic regression open framework, which is Analytical Programming (AP) and Differential Evolution (DE) algorithm in the task of time series regression. AP can be considered as a robust open framework for symbolic regression thanks to its usability in any programming language with arbitrary driving metaheuristic. The motivation behind this research is to explore and investigate the applicability and differences in performance of AP driven by basic canonical entirely random or best solution driven mutation strategies of DE. An experiment with four case studies has been carried out here with the several time series consisting of GBP/USD exchange rate. The differences between regression/prediction models synthesized using AP as a direct consequence of different DE strategies performances are statistically compared and briefly discussed in conclusion section of this paper.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
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)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2019
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
Advances in Intelligent Systems and Computing, Volume 764
ISBN
978-331991188-5
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
10
Strana od-do
489-498
Název nakladatele
Springer Verlag
Místo vydání
Berlín
Místo konání akce
Zlín
Datum konání akce
25. 4. 2018
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000460247600048