Digitální knihovna UPCE přechází na novou verzi. Omluvte prosím případné komplikace. / The UPCE Digital Library is migrating to a new version. We apologize for any inconvenience.

Publikace:
Accurate mixed weibuII distribution fitting by differential evolution

Konferenční objektOmezený přístuppeer-reviewedpostprint
Zobrazit minimální záznam
dc.contributor.authorKromer, Pavelcze
dc.contributor.authorHeckenbergerová, Janacze
dc.contributor.authorMusilek, Petrcze
dc.date.accessioned2018-02-27T03:17:23Z
dc.date.available2018-02-27T03:17:23Z
dc.date.issued2017eng
dc.description.abstractMixed Weibull distribution is a probability distribution noted for its wide applicability in many diverse fields. The ability to accurately estimate mixed distribution parameters is essential for data-driven modeling, simulation, and analysis of the phenomena represented by mixed Weibull models. Nature-inspired metaheuristics for continuous parameter optimization have shown good potential for approximating parameters of complex statistical models. Differential evolution is a popular evolutionary real-parameter optimization method with good results in many areas. This work uses differential evolution to fit mixed Weibull distribution to data and analyzes the ability of different differential evolution variants to estimate mixture parameters.eng
dc.description.abstract-translatedSmíšená distribuce Weibull rozdělení je známá pro svou širokou použitelnost v mnoha rozmanitých oblastech. Schopnost přesně odhadnout smíšené distribuční parametry je nezbytná pro modelování, simulaci a analýzu jevů reprezentovaných temito smíšenými Weibullovými modely. Přírodou inspirovaná metaheuristika pro kontinuální optimalizaci parametrů ukázala dobrý potenciál pro aproximaci parametrů složitých statistických modelů. Diferenciální Evoluce (DE) je populární evoluční metoda optimalizace skutečných parametrů s dobrými výsledky v mnoha oblastech. Tato práce využívá metodu DE k přesnému proložení dat směsí Weibull rozdělení a analyzuje schopnost různých DE variant odhadnout směsového modelu.cze
dc.eventGenetic and Evolutionary Computation Conference, GECCO 2017 (15.07.2017 - 19.07.2017, Berlín)eng
dc.formatp. 1161-1168eng
dc.identifier.doi10.1145/3071178.3071290eng
dc.identifier.isbn978-1-4503-4920-8eng
dc.identifier.obd39880437eng
dc.identifier.scopus2-s2.0-85026421697
dc.identifier.urihttps://hdl.handle.net/10195/70103
dc.language.isoengeng
dc.peerreviewedyeseng
dc.publicationstatuspostprinteng
dc.publisherACM (Association for Computing Machinery)eng
dc.relation.ispartofGECCO 2017 : Proceedings of the 2017 Genetic and Evolutionary Computation Conferenceeng
dc.relation.publisherversionhttps://dl.acm.org/purchase.cfm?id=3071178
dc.rightspouze v rámci univerzityeng
dc.subjectDifferential Evolutioneng
dc.subjectDistribution fittingeng
dc.subjectExperimentseng
dc.subjectMixed Weibull distributioneng
dc.subjectParameter estimationeng
dc.subjectDiferenciální Evolucecze
dc.subjectProložení datcze
dc.subjectSměs Weibull rozdělenícze
dc.subjectOdhad parametrucze
dc.titleAccurate mixed weibuII distribution fitting by differential evolutioneng
dc.title.alternativePřesné proložení dat směsí Weibull rozdělení s použitím diferenciální evolucecze
dc.typeConferenceObjecteng
dspace.entity.typePublication

Soubory

Původní svazek

Nyní se zobrazuje 1 - 1 z 1
Náhled
Název:
pap466s2-file1.pdf
Velikost:
3.17 MB
Formát:
Adobe Portable Document Format
pap466s2-file1.pdf (3.17 MB)

Kolekce

Publikační činnost akademických pracovníků UPCE / UPCE Research Outputs
Publikační činnost akademických pracovníků FEI / FEI Research Outputs
Publikační činnost akademických pracovníků FES / FES Research Outputs