About: Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů

Facets (new session)
Description
Metadata
Settings
- owl:sameAs
- Inference Rule:

About: Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů Goto Sponge NotDistinct Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Vysledek, within Data Space : linked.opendata.cz associated with source document(s)

Attributes	Values
rdf:type	skos:Concept http://linked.opendata.cz/ontology/domain/vavai/Vysledek
Description	The paper deals with artificial neural networks learning and architecture parameters optimization by evolutionary algorithms. Optimized network was tested by short-term runoff forecasts (6 h) on the Sázava upper river basin. Type of used neural network was the multilayer perceptron with back propagation learning algorithm. The learning and the simulations were performed after optimizing the parameters of the neural network. The efficiency of the predictions was evaluated by selected criteria. The results show that optimized neural networks provide good results for short-term forecast. Optimization of parameters helps to improve the efficiency of forecasts and may be used for more precise choice of parameter values that affect learning and simulation. (en) Příspěvek se zabývá problematikou optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů. Optimalizovaná síť byla testována při krátkodobé předpovědi průtoků (6 h) na povodí horního toku řeky Sázavy. Použitým typem neuronové sítě byl vícevrstevný perceptron s učením zpětnou propagací chyby. Po optimalizaci parametrů byly neuronové sítě natrénovány a byly provedeny simulace. Kvalita předpovědi byla hodnocena vybranými kritérii. Z výsledků vyplývá, že optimalizované neuronové sítě mají při krátkodobé předpovědi dobré výsledky. Optimalizace parametrů přispívá ke zlepšení kvality předpovědi a může být využita pro přesnější volbu hodnot parametrů ovlivňujících učení a simulace. Příspěvek se zabývá problematikou optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů. Optimalizovaná síť byla testována při krátkodobé předpovědi průtoků (6 h) na povodí horního toku řeky Sázavy. Použitým typem neuronové sítě byl vícevrstevný perceptron s učením zpětnou propagací chyby. Po optimalizaci parametrů byly neuronové sítě natrénovány a byly provedeny simulace. Kvalita předpovědi byla hodnocena vybranými kritérii. Z výsledků vyplývá, že optimalizované neuronové sítě mají při krátkodobé předpovědi dobré výsledky. Optimalizace parametrů přispívá ke zlepšení kvality předpovědi a může být využita pro přesnější volbu hodnot parametrů ovlivňujících učení a simulace. (cs)
Title	Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů Artificial Neural Networks Learning and Architecture Parameters Optimization by Evolutionary Algorithms (en) Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů (cs)
skos:prefLabel	Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů Artificial Neural Networks Learning and Architecture Parameters Optimization by Evolutionary Algorithms (en) Optimalizace parametrů učení a architektury neuronových sítí pomocí evolučních algoritmů (cs)
skos:notation	RIV/60460709:41330/10:47929!RIV11-MZE-41330___
http://linked.open...avai/riv/aktivita	P
http://linked.open...avai/riv/aktivity	P(QH91247)
http://linked.open...iv/cisloPeriodika	I
http://linked.open...vai/riv/dodaniDat	2011
http://linked.open...aciTvurceVysledku	Havlíček, Vojtěch
http://linked.open.../riv/druhVysledku	J - Článek v odborném periodiku
http://linked.open...iv/duvernostUdaju	S - Úplné a pravdivé údaje nepodléhající ochraně podle zvláštních právních předpisů
http://linked.open...titaPredkladatele	Česká zemědělská univerzita v Praze / Fakulta životního prostředí
http://linked.open...dnocenehoVysledku	277269
http://linked.open...ai/riv/idVysledku	RIV/60460709:41330/10:47929
http://linked.open...riv/jazykVysledku	cze - čeština
http://linked.open.../riv/klicovaSlova	neural networks, evolutionary algorithms, runoff forecast, optimization (en)
http://linked.open.../riv/klicoveSlovo	evolutionary algorithms neural networks optimization runoff forecast
http://linked.open...odStatuVydavatele	CZ - Česká republika
http://linked.open...ontrolniKodProRIV	[933442273606]
http://linked.open...i/riv/nazevZdroje	Vodohospodářské technicko-ekonomické informace
http://linked.open...in/vavai/riv/obor	DA
http://linked.open...ichTvurcuVysledku	1 (xsd:int)
http://linked.open...cetTvurcuVysledku	1 (xsd:int)
http://linked.open...vavai/riv/projekt	Elimination of climate change impacts by increasing of storage capacity in the Rakovnický brook basin (case study)
http://linked.open...UplatneniVysledku	2010
http://linked.open...v/svazekPeriodika	52
http://linked.open...iv/tvurceVysledku	Havlíček, Vojtěch
http://linked.open...ain/vavai/riv/wos	0
issn	0322-8916
number of pages	5 (xsd:int)
http://localhost/t...ganizacniJednotka	41330

Faceted Search & Find service v1.16.118 as of Jun 21 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 77 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software