Vylepšení algoritmů pro symbolickou regresi založených na genetickém programování

Jan Žegklitz

Enhancements of Genetic Programming-based Symbolic Regression Algorithms

Type of document

disertační práce
doctoral thesis

Author

Jan Žegklitz

Supervisor

Pošík Petr

Opponent

Affenzeller Michael

Field of study

Umělá inteligence a biokybernetika

Study program

Elektrotechnika a informatika

Institutions assigning rank

katedra kybernetiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Symbolická regrese (SR) je druh regresní analýzy, kde je cílem najít model ve formě matematického výrazu, který

Symbolic regression (SR) is a kind of regression task where the goal is to find a model in the form of a mathematical expression that is as small as possible and, preferably, human-readable.