Optimalizační metody pro vícevrstvý algoritmus genetického programování
Disertační práce Náhled není k dispozici
Datum publikování
2022
Autoři
Vedoucí práce
Oponent
Název časopisu
Název svazku
Vydavatel
Univerzita Pardubice
Abstrakt
Disertační práce se zaměřuje na vícevrstvý (konkrétně dvouvrstvý) přístup k algoritmu genetického programování a vylepšení trénovacího procesu pomocí moderních optimalizačních metod a přístupů (například sborového učení). Cílem disertační práce bylo navrhnout a implementovat dvouvrstvý algoritmus genetického programování, otestovat jeho chování v rámci symbolické regrese na několika základních testovacích případech a najít vhodná nastavení, která mají potenciál zefektivnit proces učení genetického programování a zvýšit přesnost výsledných modelů. Algoritmus pracuje ve dvou fázích. V první fázi hledá vhodné dílčí modely (stavební bloky) popisující jednotlivé segmenty dat pomocí. Ve druhé fázi hledá výsledný model jako nelineární kombinaci těchto dílčích modelů.
Rozsah stran
103 s.
ISSN
Trvalý odkaz na tento záznam
Projekt
Zdrojový dokument
Vydavatelská verze
Přístup k e-verzi
bez omezení
Název akce
ISBN
Studijní obor
Informační, komunikační a řídicí technologie
Studijní program
Elektrotechnika a informatika
Signatura tištěné verze
D40593
Umístění tištěné verze
Univerzitní knihovna (studovna)
Přístup k tištěné verzi
Klíčová slova
genetické programování, genetické algoritmy, sborové učení, optimalizace, genetic programming, genetic algorithms, ensemble learning, optimization