This HTML5 document contains 47 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n15http://linked.opendata.cz/ontology/domain/vavai/riv/typAkce/
dctermshttp://purl.org/dc/terms/
n13http://purl.org/net/nknouf/ns/bibtex#
n9http://localhost/temp/predkladatel/
n4http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n17http://linked.opendata.cz/ontology/domain/vavai/
n21http://linked.opendata.cz/resource/domain/vavai/zamer/
n12https://schema.org/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n14http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F68407700%3A21230%2F07%3A03129973%21RIV08-MSM-21230___/
n8http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n10http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n19http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n7http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n20http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n18http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n16http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F68407700%3A21230%2F07%3A03129973%21RIV08-MSM-21230___
rdf:type
n17:Vysledek skos:Concept
dcterms:description
In this paper methods inspired by nature for models optimizations are shown. We describe mainly a~novel approach based on a~standard genetic algorithm advanced by some new parameters of individuals, methods of reproduction and adaptation, a way of individuals' encoding, a population of individuals representation, and a population size balancing technique. This method called Continual Evolution Algorithm combines evolution based process and gradient methods of individuals adaptation. Whole process runs in a continual time using a variable size of population. Motivations for using and improving methods for creation and optimization of models are a better adaptation of the models describing some given data or systems and knowledge extraction from such models. In this paper methods inspired by nature for models optimizations are shown. We describe mainly a~novel approach based on a~standard genetic algorithm advanced by some new parameters of individuals, methods of reproduction and adaptation, a way of individuals' encoding, a population of individuals representation, and a population size balancing technique. This method called Continual Evolution Algorithm combines evolution based process and gradient methods of individuals adaptation. Whole process runs in a continual time using a variable size of population. Motivations for using and improving methods for creation and optimization of models are a better adaptation of the models describing some given data or systems and knowledge extraction from such models. Tento článek popisuje přírodou inspirované metody pro optimalizaci modelů. Popíšeme novou metodu založenou na standardním genetickém algoritmu rozšířeném o některé nové parametry jedinců, metody reprodukce a adaptace, kódování jedinců, reprezentaci populace a techniky řízení velikosti populace. Tato metoda - Algoritmus kontinuální evoluce (Continual Evolution Algorithm) kombinuje evoluční přístup a gradientní metody adaptace jedinců. Optimalizační proces probíhá ve spojitém čase s využitím proměnné velikosti populace. Motivací pro používání a vylepšování těchto metod optimalizace a tvorby modelů je získání lepších, kvalitnějších modelů pro popis dat nebo systémů a získávání nových znalostí z těchto modelů.
dcterms:title
Přírodou inspirované metody pro vytváření a optimalizaci modelů Nature Inspired Methods for Models Creation and Optimization Nature Inspired Methods for Models Creation and Optimization
skos:prefLabel
Přírodou inspirované metody pro vytváření a optimalizaci modelů Nature Inspired Methods for Models Creation and Optimization Nature Inspired Methods for Models Creation and Optimization
skos:notation
RIV/68407700:21230/07:03129973!RIV08-MSM-21230___
n3:strany
56;62
n3:aktivita
n7:Z
n3:aktivity
Z(MSM6840770012)
n3:dodaniDat
n16:2008
n3:domaciTvurceVysledku
n4:2655802 n4:7035586
n3:druhVysledku
n18:D
n3:duvernostUdaju
n10:S
n3:entitaPredkladatele
n14:predkladatel
n3:idSjednocenehoVysledku
436329
n3:idVysledku
RIV/68407700:21230/07:03129973
n3:jazykVysledku
n19:eng
n3:klicovaSlova
data mining; evolutionary techniques; genetic algorithm; inductive modelling; optimization
n3:klicoveSlovo
n8:evolutionary%20techniques n8:optimization n8:genetic%20algorithm n8:data%20mining n8:inductive%20modelling
n3:kontrolniKodProRIV
[08F7DE005B15]
n3:mistoKonaniAkce
Rožnov pod Radhoštěm
n3:mistoVydani
Ostrava
n3:nazevZdroje
Proceedings of 41th Spring International Conference MOSIS\'07
n3:obor
n20:JC
n3:pocetDomacichTvurcuVysledku
2
n3:pocetTvurcuVysledku
2
n3:rokUplatneniVysledku
n16:2007
n3:tvurceVysledku
Buk, Zdeněk Šnorek, Miroslav
n3:typAkce
n15:EUR
n3:zahajeniAkce
2007-04-24+02:00
n3:zamer
n21:MSM6840770012
s:numberOfPages
7
n13:hasPublisher
MARQ
n12:isbn
978-80-86840-30-7
n9:organizacniJednotka
21230